Question

我想训练一个LBP分类器。我有103个正面和500个负面样本。我使用了几乎默认值，-featureType LBP和-numPos 88除外。

opencv_traincascade -data "$NAME"_Output \
                    -vec "$NAME".vec \
                    -bg "$NAME"_Negative.txt \
                    -numPos 88 \
                    -numNeg 500 \
                    -numStages 20 \
                    -stageType BOOST \
                    -featureType LBP \
                    -w 32 \
                    -h 48 \
                    -bt GAB \
                    -minHitRate 0.995 \
                    -maxFalseAlarmRate 0.5 \
                    -weightTrimRate 0.95 \
                    -maxDepth 1 \
                    -maxWeakCount 100

在第1阶段获得完全命中率和零误报率后，分类器在第2阶段陷入困境。我尝试使用numPos，numNeg和bt参数，但它总是得到大致相同的结果。

===== TRAINING 0-stage =====
<BEGIN
POS count : consumed   88 : 88
NEG count : acceptanceRatio    500 : 1
Precalculation time: 1
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|    0.046|
+----+---------+---------+
END>

===== TRAINING 1-stage =====
<BEGIN
POS count : consumed   88 : 88
NEG count : acceptanceRatio    500 : 0.0456038
Precalculation time: 0
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|        0|
+----+---------+---------+
END>

===== TRAINING 2-stage =====
<BEGIN
POS count : consumed   88 : 88

我对此并不了解，但我的猜测是它在第1阶段之后完成，但它仍然试图产生18个以上的阶段。我的数据集非常简单，正面应该非常相似，负面图像大小相同。

是否有可能只有2个阶段的分类器？（第0阶段和第1阶段）
以前是否有人使用LBP分类器，或者我应该坚持使用HAAR？
我是否在参数或输入数据方面犯了错误？

Answer 1

取决于您的训练数据。如果区分正面和负面数据非常简单，那么很有可能两个阶段足以完成这项工作。现在的问题是，它如何对测试数据执行，即，您的训练数据代表测试，还是您需要更多（和更复杂）的训练样本。如果没有，你就完成了。祝贺。

Open CV traincascade的命中率为1，误报率为0

1 个答案: