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。
答案 0 :(得分: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。