通过一个对象上的不同特征快速区分相似对象与每个对象

Question

我制作了一个可以识别大型车辆（公共汽车和卡车）的分类器（基于HoG功能）。但我希望能够区分公共汽车和卡车。这导致问题，因为两辆车都很大而且很长。 以下是我的培训数据中的一个示例：

正如您所看到的那样，从同一个角度看，这是一辆卡车和一辆公共汽车，但是分类器并没有将它们视为不同。

鉴于我已经构建了我的分类器，是否有一种简单的方法（无需重建现有的分类器），我可以将其添加为区分卡车和公共汽车的第二阶段？

我正在考虑以某种方式匹配SIFT功能匹配...以捕获前面突出的卡车头。但我之前没有使用它，也不确定它是否适用于此。

Answer 1

我知道您当前的探测器试图将公共汽车和卡车与其他物体区分开来。假设它与其他物体的区别很大，并且在公共汽车和卡车之间存在不同的问题，您可以在其上添加专门的分类器。

鉴于第一个分类器，第二个分类器的目标应该是公共汽车和卡车之间的差异。 因此，您应该在第一个分类器认为是卡车或公共汽车的实体上训练它（忽略第一个分类器未识别的公共汽车和卡车）。 鉴于样本使用其真实分类作为概念（不是第一分类器的预测）。 通过这样做，您可以强制第二个分类器专注于公共汽车和卡车之间的界限。在这个边界内，像大小这样的特征变得无关紧要，因为公共汽车和卡车都很大，因此分类器将被迫寻找其他相关特征。

之后你将组成分类器，如果第一个分类器输出公共汽车或卡车，你应该返回第二个分类器的结果。

这种技术实际上是boosting的一个特例，与The Strength of Weak Learnability

中的Schapire算法精神上相近