2

我得到一個級聯分類培訓一些問題:列車級聯分類

  1. 在我的一些照片的對象的一半是可見的。我是否應該將可視部分標記爲感興趣區域,將圖片用作否定樣本還是將其完全分類?
  2. 分類器能夠檢測到部分可見的對象(使用Haar功能)嗎?
  3. 陰性和陽性樣本的比例應該是多少?我經常讀到你應該使用更多的負面樣本。但是例如在this線程中提到該比率應該是2:1(更多的正樣本)。
  4. 我目前的分類器檢測到很多誤報。根據this教程,您可以增加階段的數量或降低每個階段的誤報率。但是我不能在不增加誤報率的情況下增加階段的數量。如果我只是增加階段的數量,那麼由於分類器用完了樣本,訓練停止了。減少誤報以增加樣本數量的唯一方法是?

會很高興,如果有人能回答我的問題一個:)

回答

2

在級聯分類我建議扔掉的「半壁江山」對象的情況。既然他們是正面的樣本?否,因爲它們完全不包含對象,它們是否定的樣本?不,因爲它們不是與我們的對象無關的東西。 根據我的經驗,我開始接受幾乎相同數量的負面和正面圖像的培訓,而且我遇到了類似的問題。增加樣本數量是第一步。您應該增加負樣本的數量,請注意您需要獲取不同的圖像,只需將100個相似的背景圖像與僅具有5-10個圖像的圖像幾乎相同即可。在我的情況下,最好的比例是正面的:負面= 2:1。你仍然需要嘗試,儘管它取決於你正在嘗試構建的分類器。如果你的對象不是太花哨,而且形狀和大小都很簡單(如公司標誌或硬幣或橙色),則不必過多取樣,但如果你正在嘗試構建分類器來檢查某些複雜的物體(比如椅子,是的......椅子是一個嚴肅的物體,因爲它有許多不同的形狀和尺寸)比你需要大量的樣品。 希望這有助於。

+1

感謝您的快速回復:) 我想檢測一個方向盤和側視鏡(3個不同的分類器) 我有超過3500個樣本,但我仍然必須標註它們,所以我不能說你有多少是消極/積極的。 您是否認爲該檢測將適用於這些數據量? (它總是相同的車和幾乎相同的視角) – Phil

+1

它應該能夠檢測到,在這種情況下,採取負樣本作爲一些隨機圖片通常從汽車停放的地方,你看到的想法是教練拿出正面的樣本,重新調整它們並將它們放置在不同的背景中,你的背景越合適越好,所以如果它需要對汽車做某些事情,所以選擇背景圖像作爲停車場,車庫和其他汽車相關的背景背景的東西(沒有汽車本身) –