圖像中的對象檢測（HOG）

Question

我想檢測顯微鏡圖像單元格內的對象。我有很多帶註釋的圖像（應用程序50.000圖像與對象和500.000沒有對象）。

到目前爲止，我嘗試使用HOG提取特徵並使用邏輯迴歸和LinearSVC進行分類。我已經嘗試了HOG或色彩空間（RGB，HSV，LAB）的幾個參數，但我沒有看到很大的差異，預測率大約爲70％。

我有幾個問題。我應該使用多少圖片來訓練描述符？我應該使用多少圖片來測試預測？

我已經嘗試過大約1000張訓練圖像，這給我55％的積極和5000，這給我72％的積極。但是，這也取決於測試集，有時測試集可以達到80-90％的正檢測圖像。

下面是包含一個對象的兩個例子和兩個圖像沒有對象：

的另一個問題是，有時圖像包含幾個對象：

我應該嘗試增加學習集的示例嗎？我應該如何選擇訓練集的圖像，只是隨機？我還能嘗試什麼？

任何幫助將非常感激，我剛開始發現機器學習。我正在使用Python（scikit-image & scikit-learn）。

Answer 1

我認爲你在正確的道路是，但讓我提出一些注意事項：

1 - 訓練集的數量將是分類 問題始終是重要的（通常情況下，更多的是更好）。但是，您必須具有很好的註釋 ，並且您的方法應該對異常值有效。

2 - 從您所放置的圖像中，似乎顏色直方圖 比HOG更具辨別性。當使用顏色直方圖時，我通常使用 爲Lab色彩空間和相關的a-b直方圖。 L是亮度，而且很依賴於圖像獲取（例如亮度）。用於重新識別行人的一種方法 是將圖像劃分爲 塊，並計算這些塊內的直方圖。這可以幫助 。

3 - 測試你的分類方法，最好的方法是交叉驗證： http://en.wikipedia.org/wiki/Cross-validation_%28statistics%29#k-fold_cross-validation

4 - 您是否嘗試過其他的分類？WEKA可能是 輕鬆地測試不同的方法/參數很有意思： http://www.cs.waikato.ac.nz/ml/weka/

5 - 最後，如果你仍然有壞的結果，而且不知道其中 樣的，你應該使用功能，您可以將深層神經網絡 它！

希望它有幫助。