Question

我正在尝试训练我自己的探测器以便与OpenCV :: HOGDescriptor一起使用，但我无法使现有的HOGDescriptor与我新训练的SVM一起工作。

我已计算出正面和负面训练图像的HOG功能，标记它们并使用CvSVM训练SVM。我使用的参数是：

    CvSVMParams params;
    params.svm_type =CvSVM::EPS_SVR;
    params.kernel_type = CvSVM::LINEAR;
    params.C = 0.01;
    params.p = 0.5;

然后我计算支持向量的原始形式，这样我只得到一个向量而不是多个向量，并使用HOGDescriptor.setSVMDetector（向量）设置计算的支持向量;

This is Primal Form

当我使用CvSVM.predict（）时，我能够使用SVM正确地对对象进行分类，但是HOGDescriptor.detect（）或detectMultiScale（）总是返回许多正匹配，并且不能给出准确的预测。

CvSVM.predict（）使用原始支持向量进行分类，因此我计算原始形式的方式可能有问题。

有没有人训练过他们自己的探测器谁可以指出我正确的方向？

Answer 1

我编写了一个CvSVM子类，在训练线性svm后提取原始形式。阳性样品标记为1，阴性样品标记为-1。奇怪的是，我必须在alphas前加上负号，并保持rho的符号不变，以便从HogDescriptor中获得正确的结果。

LinearSVM.h

#ifndef LINEAR_SVM_H_
#define LINEAR_SVM_H_
#include <opencv2/core/core.hpp>
#include <opencv2/ml/ml.hpp>

class LinearSVM: public CvSVM {
public:
  void getSupportVector(std::vector<float>& support_vector) const;
};  

#endif /* LINEAR_SVM_H_ */

LinearSVM.cc

#include "linear_svm.h"    
void LinearSVM::getSupportVector(std::vector<float>& support_vector) const {

    int sv_count = get_support_vector_count();
    const CvSVMDecisionFunc* df = decision_func;
    const double* alphas = df[0].alpha;
    double rho = df[0].rho;
    int var_count = get_var_count();
    support_vector.resize(var_count, 0);
    for (unsigned int r = 0; r < (unsigned)sv_count; r++) {
      float myalpha = alphas[r];
      const float* v = get_support_vector(r);
      for (int j = 0; j < var_count; j++,v++) {
        support_vector[j] += (-myalpha) * (*v);
      }
    }
    support_vector.push_back(rho);
}

Answer 2

我正在努力解决同样的问题。搜索我发现的论坛，使用CvSVM无法训练探测器（我不知道原因）。我使用LIBSVM来训练探测器。以下是为HOGDescriptor.setSVMDetector（w）提取检测器的代码：有关数据详细信息，请参阅LIBSVM文档/标题。我用C ++完成了所有的训练，将LIBSVM训练数据从CV填充到LIBSVM;下面的代码提取了cv :: HOGDescriptor所需的检测器向量。 w参数为std::vector<float> w

    const double * const *sv_coef = model.sv_coef;
const svm_node * const *SV = model.SV;
int l = model.l;
model.label;

const svm_node* p_tmp = SV[0];
int len = 0;
while( p_tmp->index != -1 )
{
    len++;
    p_tmp++;
}
w.resize( len+1 );

for( int i=0; i<l; i++)
{
    double svcoef = sv_coef[0][i];
    const svm_node* p = SV[i];
    while( p->index != -1 )
    {
        w[p->index-1] += float(svcoef * p->value);
        p++;
    }
}
w[len] = float(-model.rho[0]);

希望这会有所帮助......

Answer 3

根据我在Dalal关于HOG探测器的论文中所读到的，他建议为了消除误报，我们需要重新训练我们的模型。通过应用初步模型（您的模型产生大量误报）完成再训练，然后检测所有负样本图像中的对象。所有返回的矩形肯定会出现误报。

然后，将所有这些误报添加到您的负样本图像（负数据集），再次进行训练。如文中所建议的，由此产生的模型将返回更少的误报。

不幸的是，虽然我试过了（重新训练），但是得到的模型只是没有识别任何东西，即使在正面图像样本上也是如此。但我认为这值得一试，因为这是发明人关于HOG探测器的文章中提出的建议

在OpenCV中训练自定义SVM以与HOGDescriptor一起使用

3 个答案: