Haar級聯分類器訓練問題

Question

我創建了多個haar級聯分類器。我每次使用不同數量的積極和消極。

例如，

第一分類器： 5000陽性和3000底片
第二分類器： 3000陽性和3000張底片（刪除2000冗餘/類似的圖像）

的這兩個效率分類器幾乎相同...

問題：

1. 是否有一種方法可以在訓練之前刪除數據庫中的所有冗餘圖像？

2. 什麼是訓練分類器的理想照明和背景條件？

3. 數據庫中有多少圖像被認爲是最佳性能的理想選擇，還是取決於數據集中的數據類型？

問候，

薩利赫...

Answer 1

所有最適合你的工作。

答案：

1. 我想知道你是如何刪除多餘的圖像，同時訓練第二分類。我無法告訴你確切的解決方案。一種解決方案可能是：做一個簡單的haar特徵，獲取兩個圖像的特徵向量（比如F1和F2）。如果F1和F2之間的相關性爲零（或小於某個閾值），則圖像是相似的。你必須測試這個。如果有效，請讓我知道。

2. 這取決於應用程序。如果想在改變照明和背景的場景中使用分類器，那麼這些圖像應該包含在訓練分類器中。

3. 培訓數據庫應該包含許多圖像（通常是成千上萬的圖像）。重要的是圖像在外觀，幻覺，陰影等方面的變化。數據庫中的變化使得分類器更健壯。