通过提供有关结果的反馈来改进haar级联对象检测

时间:2015-01-19 00:07:09

标签: algorithm opencv machine-learning

我正在使用python / openCV。我想知道是否有办法改善结果以增加算法的抢劫性。例如:

通常我们会使用pozitive和negative图像训练haar-cascade分类器然后测试它。但是一旦训练了级联并获得了xml文件,该算法似乎没有可能的改进。我们只需调整像min这样的参数。邻居,神圣因素等。

我想要的是:

  

我们给出一张包含3张脸的照片。作为回应,代码给出了2   积极的面孔和1个虚假的积极面孔。 我想提供反馈:你   在这里错过了1个真正的pozitive(表示相应的面孔   你在这里给出了1个假阳性(表示   相应的误报位置。)

我搜索并找不到任何内容,也许我错过了正确的关键字。任何人都可以启发我,有这个算法吗? PS:正如我所提到的,我不会寻找仅仅(动态)改变比例因子的参数。我想让系统通过反馈优化自己。

0 个答案:

没有答案