我的訓練已經運行了一個多星期,現在我不想要我正在訓練它的階段的數量。我想把階段的數量從25個改爲17-18個。我是否需要從一開始就重新訓練整個分類器?請解釋原因。重新訓練traincascade分類器opencv?
-1
A
回答
0
編輯:我的原始答案是完全錯誤的。我剛剛意識到了爲什麼。
是的,你需要重新訓練,但不能產生與以前相同的輸出。如果您像以前一樣在同一個文件夾中重新運行trancascades,但將階段數更改爲17,它將選取已生成的分類器階段.xml文件,併爲您創建一個新的cascade.xml文件,該文件只能識別17個階段。你然後可以刪除額外的階段。
上預留
運行超過19級什麼可能會需要更長的時間比你。
0
「我需要從一開始就重新訓練整個分類器」 - 不。
你可以在任何時候ctrl-c它。你將失去目前訓練階段。
如果你停下來說,階段17,你可以用numstages 17重新運行你的cmd,這將生成一個cascade.xml,你可以用它來測試。
稍後,您可以用numstages 25重新啓動它,以計算缺失的17-25個階段。
HAAR培訓需要非常長。你可能應該首先從LBP級聯開始,即使你以後需要HAAR。 LBP會稍微不準確,但幾分鐘而不是幾周培訓。所以如果您不確定數據的適用性,請先嚐試一下。如果LBP根本不起作用,HAAR永遠不會。
相關問題
- 1. traincascade訓練面部痣的檢測器
- 2. OpenCV:訓練級聯分類器
- 3. 使用API訓練和重新訓練斯坦福標記器
- 4. 如何在圖像上訓練OpenCV SVM分類器
- 5. 在openCV中訓練haar和lbp分類器
- 6. 使用SIFT和ORB功能在OpenCV中訓練SVM分類器
- 7. OpenCV 3.1.0 NB分類器將所有MNIST訓練樣本劃分爲單個類
- 8. tensorflow圖像重新訓練
- 9. 重新訓練tensorflow模型
- 10. Tensorflow重新訓練在Windows
- 11. Neurolab重新訓練網絡
- 12. opencv traincascade錯誤?
- 13. OpenCV traincascade maxWeekCount
- 14. traincascade,classifiers和openCV
- 15. Haar級聯分類器訓練問題
- 16. 訓練分類器的時間
- 17. Accord.NET:如何訓練Boost分類器
- 18. 如何增量訓練nltk分類器
- 19. Tensorflow線性分類器未訓練
- 20. 訓練我們自己的分類器
- 21. nltk貝葉斯分類器訓練
- 22. 貝葉斯分類器訓練集
- 23. NLTK使用訓練分類
- 24. Tensorflow分類圖像訓練
- 25. 訓練分類模型Opennlp
- 26. 在OpenCV中訓練SVM
- 27. OpenCV線性SVM不訓練
- 28. 在Python中訓練OpenCV NormalBayesClassifier
- 29. 如何在apache模型訓練後對新的訓練樣例進行分類?
- 30. 在新的DataFrame上使用受過訓練的分類器
這個問題似乎是無關緊要的,因爲它是關於機器學習的。 – Aurelius
這與在OpenCV中使用traincascade訓練haar分類器有關,因此,我沒有看到標籤有任何問題。 – user3626948