1
我訓練了一個分類器來檢測MacBeth彩圖，這是一種人造模式，應該很容易檢測。使用來自谷歌（http://tutorial-haartraining.googlecode.com/svn/trunk/data/negatives/）的bg照片檢測1500個底片和4000個正片的haar特徵進行訓練，這些照片類似於最可能發現該圖案的環境。檢測人造圖案
培訓的統計似乎是很合理：
===== TRAINING 9-stage =====
POS count : consumed 4000 : 4170
NEG count : acceptanceRatio 1500 : 0.00365317
Precalculation time: 3
| N | HR | FA |
| 1| 1| 1|
| 2| 1| 1|
| 3| 1| 1|
| 4| 0.996| 0.865333|
| 5| 0.996| 0.865333|
| 6| 0.99625| 0.688|
| 7| 0.99525| 0.633333|
| 8| 0.99575| 0.517333|
| 9| 0.99525| 0.489333|
它經歷了所有10級，併產生了33KB XML級聯描述文件。
但是，當我嘗試查找模式時，它會檢測各種事物作爲模式。
有沒有人有一個想法如何改善設置或正確地找到該模式？
這裏是我的訓練參數：
PARAMETERS:
cascadeDirName: /training3
vecFileName: pos_samples_vec_004.vec
bgFileName: bg5.txt
numPos: 4000
numNeg: 1500
numStages: 10
precalcValBufSize[Mb] : 256
precalcIdxBufSize[Mb] : 256
stageType: BOOST
featureType: HAAR
sampleWidth: 32
sampleHeight: 32
boostType: GAB
minHitRate: 0.995
maxFalseAlarmRate: 0.5
weightTrimRate: 0.95
maxDepth: 1
maxWeakCount: 100
mode: ALL