訓練隱性支持向量機的模型

好的同事！訓練隱性支持向量機的模型

我非常喜歡用我自己的數據集來訓練一個新模型！

我沒有找到關於這個主題的信息，那麼我希望我的信息可以幫助人們，我也可以得到一些答案。

我會盡量解釋我都需要做訓練我自己的模型和步驟以後的一些問題...

我從下載潛代碼：http://cs.brown.edu/~pff/latent-release4/
我有下載從PASCAL VOC 2008碼（的devkit）：http://host.robots.ox.ac.uk/pascal/VOC/voc2008/index.html
我有效仿文件的結構/ VOC的PASCAL的，但在我自己的數據集文件夾：
- 註釋。我已經創建了一個.xml，我已經定義了一個對象，臉，（每張圖片中我只有一張臉）。我沒有界定困難或姿勢...
- JPEGImages我在那裏存儲在哪裏我已經定義了三個文件中的所有圖像
- ImageSets：
  - 的test.txt，在那裏我寫我的陽性樣品的文件名
  - train.txt，在那裏我寫我的負面樣本的文件名
  - trainval.txt，我寫了我的正面樣本的文件名（與test.txt完全相同的文件）。
我改變globals.m和VOCinit.m一些事情（說算法的路徑和一些文件的位置...）

然後我用命令運行訓練：pascal（'face'，1）;

繼我已經實現了完全訓練跑並沒有失敗，我得到我自己的模型但我有些懷疑這些步驟......

你能看見什麼奇怪的，我的解釋？它可以工作嗎？
文件test.txt/trainval.txt必須相等嗎？爲什麼......這是什麼意思？
我需要在INSIDE函數中選擇我想要的零件數量嗎？
請你想象我有兩種樣品（正面和側面），我想檢測兩種樣品......我該如何解決這個問題？我以爲我必須訓練一個有兩個部件的模型......但是我怎樣才能告訴訓練碼是正面還是側面的樣本？在帶有標籤姿勢的註釋中？（我不這麼認爲......）還有其他方法來解決這個問題嗎？

謝謝你的時間！我希望你能解決我的疑惑:)

來源

2015-07-01 Ricardo

那麼.... @ 3yanlis1bos或巴勃羅裏瓦斯，也許你可以幫助我。我收集這些圖像集合以訓練兩種模型（正面和側面）： *（300正面+300橫向）正樣本 - > trainval.txt *（1000）負樣本 - > train.txt *（100）測試樣本 - > test.txt 由於我的圖像非常靜態（它們之間非常相似），我隨機輪換一些度數以在訓練中產生一些變化。這是正確的嗎？我的問題是，當我運行我的探測器時，正面和負面樣品的分數是相似的...然後我得到太多的FP和FN ... 感謝！ – Ricardo

我認爲test.txt應該包含樣本（圖片），將用於估計系統在學習臉後有多好。然而，在學習階段（訓練）使用trainval.txt來微調模型的參數;它是監督式學習的重要組成部分。

此外，很難讓單個SVM對正面和側面的人臉進行分類。這裏是我的建議：

訓練一個SVM來檢測輸入圖像是正面還是側面。稱之爲SVM-0。
訓練另一個用於正面的SVM。這個SVM將分類你所有的人。但是，請注意，SVM通常是一個二元分類器，因此請確保選擇正確的SVM，作爲多類體系結構。致電SVM-F。
Tran支持側面的最終SVM。再次使用多類SVM。叫它SVM-S。

存在於輸入圖像SVM-0，如果檢測到它是一個正面面部，再次呈現輸入到SVM-F;否則，請輸入SVM-S。

根據我的經驗，您應該期望在SVM-S中表現非常低的表現。這是一個難以解決的問題。但是正面並不是什麼大不了的，除非你正在處理姿勢，照度和表情（PIE）不同的面孔。隨着圖像中的PIE變化，人臉識別受到很大影響。

我建議你this website，它包含非常好的信息和初學者教程，無論是否有經驗。

來源

2015-07-01 18:53:02

非常感謝您的回答！ :) 然後： - ** trainval.txt **是訓練模型的陽性樣本 - ** train.txt **是訓練模型的陰性樣本 - ** test.txt **是其他註釋樣本（正面和負面）陽性樣本來訓練模型以檢查訓練是如何的......對嗎？這部分（test.txt）會影響最終模型（影響訓練？）？我在檢測面孔（和他們的姿勢），但我不需要識別它們。我的目標是告訴人臉是否可見（或不是）和姿勢（正面/側面）。 **我對嗎？** – Ricardo

不完全。看，'火車。txt'，'trainval.txt'和'test.txt'都應該包含正和負樣本。我建議你[https://youtu.be/4wGquWG-vGw]（看這個視頻）解釋培訓，驗證和測試集的概念。如果你的目的是1）檢測一張臉，2）檢測是否是正面/側面，那麼問題比我想象的要簡單。首先，訓練一個支持向量機檢測一個「face」（+ class）或'not a face'（ - class）。其次，訓練另一個SVM，它將檢測臉部是「正面」（+類）還是「橫向」（ - 類）。您需要樣本來訓練兩個SVM。 –

訓練隱性支持向量機的模型

回答

相關問題