我们有一个项目可以从图像中识别徽标。我们最初使用 Haar 分类器，但训练 Haar 分类器需要大量时间（在我们的 Core i5 机器上每个徽标需要 4 天）。为 300 多个徽标训练它需要很长时间（我们没有任何高性能计算机）。因此，我们决定转向基于 HOG 的目标检测器，希望它的训练时间会大大减少。
有谁知道 HOG 描述符训练需要多少时间？我们将针对每个徽标（在配备 Core i5 处理器的机器上）大约 100 个正面和 100 个负面 600x800 像素图像进行训练。
问问题
1143 次
3 回答
3
无法回答，取决于 bin 的数量和其他实现细节。可能也在图像的内容上。不过，不要指望它在 60k 图像上会超快。如果我是你，我会认真考虑缩小图像，600x800 比你需要识别的要大得多。150x200 应该仍然可以识别，但所有的计算都会快 16 倍。
于 2012-06-08T08:32:56.457 回答
1
您绝对应该缩小输入图像的比例。例如，HOG 描述符通常从 64x128 行人图像中提取，以训练准确的行人检测器。训练 Haar 分类器总是很耗时，而且很难预测需要多长时间，因为它可以在特定阶段阻塞。
于 2012-06-08T09:16:14.380 回答
0
很难给你任何具体的数字，但使用 HOG 进行训练比使用 Haar 类特征进行训练要快几个数量级。HOG 也使用更少的内存。此外，您可以选择在 OpenCV 和trainCascadeObjectDetectorMATLAB 中使用 LBP 功能。使用 LBP，也比使用 Haar 快得多。
于 2013-11-16T15:30:09.437 回答