1

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
4

1 回答 1

0

增加阶段的数量,通常至少需要 20 个阶段才能在检测中实现任意数量的特异性。还要跟踪负片中的接受率,越低越好。

于 2013-12-21T02:35:40.437 回答