我训练了一个分类器来检测 MacBeth 色图,它是一种人工模式,应该很容易检测到。使用来自谷歌 ( http://tutorial-haartraining.googlecode.com/svn/trunk/data/negatives/ ) 的bg 照片从 1500 个负片和 4000 个正片中检测 haarfeatures,这些照片与最有可能出现该模式的环境相似被发现。
训练的统计数据似乎很合理:
===== TRAINING 9-stage =====
POS count : consumed 4000 : 4170
NEG count : acceptanceRatio 1500 : 0.00365317
Precalculation time: 3
| N | HR | FA |
| 1| 1| 1|
| 2| 1| 1|
| 3| 1| 1|
| 4| 0.996| 0.865333|
| 5| 0.996| 0.865333|
| 6| 0.99625| 0.688|
| 7| 0.99525| 0.633333|
| 8| 0.99575| 0.517333|
| 9| 0.99525| 0.489333|
它经历了所有 10 个阶段并生成了一个 33kb 的 XML 级联描述文件。
但是,当我尝试查找模式时,它会将各种事物检测为模式。
有谁知道如何改进设置或正确找到该模式?
这是我的训练参数:
PARAMETERS:
cascadeDirName: /training3
vecFileName: pos_samples_vec_004.vec
bgFileName: bg5.txt
numPos: 4000
numNeg: 1500
numStages: 10
precalcValBufSize[Mb] : 256
precalcIdxBufSize[Mb] : 256
stageType: BOOST
featureType: HAAR
sampleWidth: 32
sampleHeight: 32
boostType: GAB
minHitRate: 0.995
maxFalseAlarmRate: 0.5
weightTrimRate: 0.95
maxDepth: 1
maxWeakCount: 100
mode: ALL