2

我有一些关于级联分类器训练的问题:

  1. 在我的一些照片上,物体的一半是可见的。我应该将可见部分标记为感兴趣区域,将图片用作负样本还是将其完全整理出来?
  2. 分类器是否能够检测到仅部分可见的对象(使用 Haar 特征)?
  3. 负样本和正样本的比例应该是多少?我经常读到你应该使用更多的负样本。但是例如在这个线程中提到该比率应该是 2:1(更多的正样本)。
  4. 我当前的分类器检测到很多误报。根据教程,您可以增加阶段数或降低每个阶段的误报率。但是我不能在不增加误报率的情况下增加阶段数。如果我只是增加阶段的数量,训练会在某个时候停止,因为分类器的样本用完了。减少误报以增加样本数量的唯一方法是什么?

如果有人能回答我的一个问题会很高兴:)

4

1 回答 1

4

在级联分类器的情况下,我建议丢弃“一半”对象。因为它们是阳性样本?不,因为它们不完全包含对象,它们是负样本吗?不,因为它们不是与我们的对象无关的东西。根据我的经验,我开始使用几乎相似数量的负面和正面图像进行训练,我遇到了类似的问题。增加样本数量是第一步。您可能应该增加负样本的数量,注意您需要获得不同的图像,简单地拥有 100 个相似的背景图像与只有 5-10 个图像几乎相同。在我的情况下,最好的比例是正:负 = 2:1。尽管这取决于您尝试构建的分类器,但您仍然需要尝试。如果您的对象不是太花哨并且具有简单的形状和大小(例如公司徽标或硬币或橙色),则您不必获取太多样本,但是如果您正在尝试构建一个分类器来检查一些复杂的物体(像椅子,是的..椅子是一个严肃的物体,因为它有许多不同的形状和大小)比你需要很多样本。希望这可以帮助。

于 2015-07-03T08:47:37.737 回答