image-processing - 训练级联分类器

Question

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。根据本教程，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:)

Answer 1

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。