众所周知，opencv traincascade 可以处理所有三种类型的特征 HAAR HOG 和 LBP 我已经研究了 HAAR 和 LBP 特征适应 AdaBoost 的洞察力，但我不了解 HOG 部分： 1. 程序如何处理 HOG 特征? 2. HOG 特征中的弱分类器是什么？hog 运算符或块、单元格、bin 信息？3. 谁能解释一下猪探测器的.xml 文件？<stages>
<!-- stage 0 -->
<_>
<maxWeakCount>9</maxWeakCount>
<stageThreshold>-1.8159391880035400e+000</stageThreshold>
<weakClassifiers>
<_>
<internalNodes>
0 -1 206 1.9242146983742714e-002</internalNodes>
<leafValues>
-3.4242480993270874e-001 -8.9670753479003906e-001</leafValues></_>
<_>
<internalNodes>
0 -1 72 1.3402653858065605e-002</internalNodes>
<leafValues>
-7.8335583209991455e-001 4.7632049769163132e-002</leafValues></_>
<_>
<internalNodes>
0 -1 228 4.8146050423383713e-002</internalNodes>
<leafValues>
1.7565745115280151e-001 -6.2845951318740845e-001</leafValues></_>
<_>
<internalNodes>
0 -1 97 1.4250885695219040e-002</internalNodes>
<leafValues>
-7.5739115476608276e-001 1.9031114876270294e-001</leafValues></_>
问问题
621 次