我正在開發一個項目,檢測人員並確定他是否戴着一副防護眼鏡。現在我使用傳統的HOG特徵來基於達拉爾算法檢測人體。在我測試我的數據(%80數據用於訓練和20%用於測試)後,我的應用程序給了我一個這樣的混淆矩陣:分類器正常工作,但檢測失敗
結果似乎是不錯的,但是當我用我的檢測器來檢測的人,這讓我對這樣的結果:
探測器即使是在其他圖片
請問是哪裏的問題,它與分類器或我的探測器表現更差?
對不起我,我不沒有權限張貼這裏圖像..
我正在開發一個項目,檢測人員並確定他是否戴着一副防護眼鏡。現在我使用傳統的HOG特徵來基於達拉爾算法檢測人體。在我測試我的數據(%80數據用於訓練和20%用於測試)後,我的應用程序給了我一個這樣的混淆矩陣:分類器正常工作,但檢測失敗
結果似乎是不錯的,但是當我用我的檢測器來檢測的人,這讓我對這樣的結果:
探測器即使是在其他圖片
請問是哪裏的問題,它與分類器或我的探測器表現更差?
對不起我,我不沒有權限張貼這裏圖像..
您現在的位置在正確的軌道上。您可以進一步改進結果。在這之前,你可能會得到大約90的準確度,如果你真的努力像93-94%(同樣取決於你的訓練圖像的數量以及它們與實際使用情況有多相似)
好的,回到答案。您必須使用Hard negative mining來減少誤報(即在沒有人員的情況下檢測人員)。你把所有的誤報都加到負面課堂上,並重新訓練分類器。這將幫助您改進結果。
希望這會有所幫助。
我想知道爲什麼我的帖子和答案分別得到了一個投票... – nick
我的第一個猜測是檢查您的數據是否標記正確。它是如何標記的(每張圖片的人數,或描繪人的確切區域,或...?) – Lexxxxx
@Lexxxxx我只是將pos和neg圖像放在兩個不同的文件夾中,並將pos目錄中的圖片標記爲1,其他照片爲0 .....但是,pos中有一些圖像包含超過1人...... – nick