问题标签 [training-data]

stackoverflow 中发布的问题都没有提到这种情况，因此发布了这个问题。我正在训练一个用于人脸检测的 haar-cascade 分类器。fae数据是我生成的。下面提供了参数。

可以看出它在两种状态之间交替。最后，我不得不杀死该程序。现在我对出了什么问题一无所知。

我试图让 getStudents 方法返回我在 addStudent 方法中创建的数组的副本。我不知道该怎么做。

这是我第一次编码，所以我有一些简单的查询。所以我在 hopfield 网络中遇到了这个问题，我试图在代码末尾的 4 种模式上“训练”我的网络。然后我需要运行 10 次迭代来看看会发生什么。

但是当我尝试运行它时，我得到的输出值都与初始值相同。所以我不确定我做错了什么。或者这是否意味着网络已进入稳定状态？

我的前馈神经网络有 150 个输入神经元、25 个隐藏神经元和 3 个输出神经元。我的训练数据集有 43104 个样本，我的验证和测试数据集分别包含 9237 个样本。我正在使用验证检查来停止训练。验证检查设置为 6。但是，我的神经网络在 11 次迭代中停止训练！是不是太早了？

谢谢你。

我正在使用tess-two库在 Android 上进行 OCR 识别。我想在 Android 上创建训练数据。我已经按照这个链接成功地在 linux 系统上创建了训练数据。如何使用 tess-two 或任何其他库在 Android 上做同样的事情？

我在 Tesseract 2.04 平台上有一组经过训练的“MICR”字符文件。有什么方法可以在 Tesseract 3.02 版本中使用相同的训练数据文件？

我尝试在可用数据文件上使用“combine_tessdata”功能，但失败了。而且我知道从 2.x 版本到 3.x 版本有重大的 API 更改。

我很高兴知道我是否必须再次训练角色，或者是否存在使用当前训练数据文件的方法。

感谢您的宝贵时间。

我正在为 android 开发垃圾邮件检测应用程序，我正在使用贝叶斯分类来检测垃圾邮件。我想知道的是，我应该使用包含 50 条火腿消息和 50 条垃圾消息的训练集，还是应该进行基于用户的内容训练？它将对应用程序的有效性产生什么影响？我知道这可能是一个广泛的讨论，但我想要一个准确的答案，而不是这里的讨论。

我在这里使用 OpenCV 和 SVM with images找到了与此主题相关的优秀/全面的帖子/答案。但是，我有一些问题想从链接中的答案中澄清。（因为我没有足够的声誉来写评论）。

我一直在做什么： 我正在使用 OpenCV SVM 进行培训。用于训练矩阵的特征是通过计算每张图像的归一化平均 R、G 和 B 值来获得的。因此，在训练矩阵中，每行（或每张图像）有 4 列。这些列对应于标签（1 或 0）、 **** r 通道中的归一化平均值****、g和b通道。

顺便说一句，我的原始训练文件是一个文本文件，我仍会将其转换为 float[][]，并最终转换为 Mat 对象以输入 opencv 的 SVM。这是文件的样子：

1 0.267053 0.321014 0.411933
1 0.262904 0.314294 0.422802
。
.
0 0.29101 0.337208 0.371782
0 0.261792 0.314494 0.423714

显然，这与链接中的声明相矛盾，该声明指出每行的大小必须等于图像的大小。它是协议还是某种规则？我只是不明白为什么应该这样做（如果是的话）。

我的问题是，在构建训练矩阵时，每一行的长度是否必须与图像的面积或大小相对应？在我制作的训练矩阵中，每行的长度只有 4。这是错的吗？

此外，只有 3 个特征（3 列）用于训练是否足以用于分类/SVM？请引导我走向正确的道路，我怀疑我是否应该继续这样做，或者是否有其他更好的方法来解决这个问题。

我希望我能了解更多 SVM 步骤背后的概念。文章或相关样品将不胜感激！

这是我的代码：

但是，我收到此错误：

我想制作一个神经网络，其中 input1 作为输入 310 x 24 矩阵和 output1 作为输出，155 x 24 矩阵。

此外，我将使用 input1 和 output1 训练网络

在这个训练过程之后，我将使用 input2 作为测试数据，我想使用上面的由 input1 和 output1 训练的网络得到一个模拟结果。

总之，我想用 input1 和 output1 训练我自己的网络，我想用 input2 得到我的模拟结果。

我认为这些错误是基于训练部分和测试部分之间的输入大小差异。

我怎么解决这个问题？我应该运行额外的过程吗？

我正在寻找你亲切的答案。

谢谢你。