2

20 もの haar 分類器をトレーニングする必要があります。私が持っているものは次のとおりです。

  1. OpenCVディストリビューションで提供されるcppファイルをコンパイルすることによる従来のコマンドライン方式
  2. MATLAB のカスケード トレーニング GUI

コマンド ライン方式では、ObjectMarker インターフェイスは、CGT、MATLAB の ROI マーキング インターフェイスと比較して、ユーザー フレンドリーではありません。

ただし、CGT、MATLAB を使用するたびに、250 個のポジティブ イメージと30000 個のネガティブ イメージ(両方ともビデオ ファイルを使用して作成) の小さなサンプルであっても、次のように言って失敗します。

"Could not create sufficient samples, either decrease the False Alarm Rate, decrease the number of stages or increase the number of negative images."

誤警報率はすでに 0 に設定されています。つまり、使用される +ve 画像と -ve 画像の数は等しく、ステージ数はすでに非常に小さい値、つまり 10 です。これを乗り越えることができません。

効率的に機能する分類子を既に作成している方は、私を導いてください :

  • 2つのうちどちらのアプローチを使用する必要がありますか?

  • 上記のアプローチに代わるものはありますか?

4

1 に答える 1

0

どのような種類のオブジェクトを検出しようとしていますか? また、どのようなネガティブなイメージを使用していますか? 理想的には、ネガ画像は、対象のオブジェクトに通常関連するシーンの大きな画像である必要があります。

編集: 30K のネガティブイメージを提供している場合でも、トレーニングにはまだ十分なネガティブサンプルがない可能性があります。関数 trainCascadeObjectDetector は、これまでのステージで構成される検出器をネガティブ イメージに対して実行することにより、ステージごとにネガティブ サンプルを生成します。検出器がオブジェクトを検出した場合、それらは構造上の誤検知であり、次の段階のネガティブ サンプルとして使用されます。提供するネガ画像の種類によっては、いくつかのステージの後、現在の検出器がネガ画像で偽陽性を検出しない可能性があります。

あなたのネガティブなイメージは、あなたの部屋のビデオから来ていると言いました。問題は、ネガティブなイメージが互いに似すぎていることかもしれません。したがって、ネガ セットに他の画像を含めて、多様化する必要があります。また、ネガティブな画像の中に、トレーニングしている手振り以外のジェスチャーを含む画像を必ず含める必要があります。

于 2014-02-10T15:35:39.530 に答える