为Latent-SVM训练模型

Question

早上好的同事们！

我正在从我自己的数据集中训练一个新模型！

我没有找到关于这个主题的信息，然后我希望我的信息可以帮助人们，我也可以得到一些答案。

我将尝试解释我需要采取的步骤来训练我自己的模型，然后再讨论一些问题......

• 我已从http://cs.brown.edu/~pff/latent-release4/
下载潜在代码
• 我从http://host.robots.ox.ac.uk/pascal/VOC/voc2008/index.html
下载了PASCAL VOC 2008代码（devkit）
• 我已经模拟了VOC PASCAL的文件/文件夹的结构，但在我自己的数据集中：
  • 的注释即可。我创建了一个.xml，我已经定义了一个对象，face，（在每个图像中我只有一个面）。我没有定义困难或构成......
  • JPEGImages 我存储了所有图片
  • ImageSets 我在其中定义了三个文件：
    • test.txt ，在那里我写了我的阳性样本的文件名
    • train.txt ，在那里我写了负面样本的文件名
    • trainval.txt ，在那里我写了我的正样本的文件名（与test.txt完全相同的文件）。
• 我在globals.m和VOCinit.m中更改了一些内容（告诉算法路径和某些文件的位置......）

然后我用命令运行训练：pascal（＆＃39; face＆＃39;，1）;

按照这些步骤，我已经完成了训练，并且没有失败，我得到了自己的模型但是我有些怀疑......

1. 你能在我的解释中看到任何奇怪的东西吗？可以吗？
2. 文件test.txt / trainval.txt必须相等吗？为什么......这是什么意思？
3. 我是否必须在模型INSIDE函数中选择我想要的零件数量？
4. 请你想象我有两种样品（正面和侧面），我想要检测两种样品......我怎样才能解决这个问题？我想我必须训练一个带有两个组件的模型......但是我怎么能告诉训练代码哪个是正面或侧面样本？在带有标签姿势的注释中？ （我不这么认为......）还有其他办法可以达到这个目的吗？

感谢您的时间！ 我希望你能解决我的疑虑：）

Answer 1

我认为test.txt应该包含样本（图像），用于估计学习面部后系统的好坏程度。但是，在学习阶段（训练）期间使用trainval.txt来微调模型的参数;它是监督学习的重要组成部分。

此外，很难有一个单独的SVM来分类正面和侧面的面。这是我的建议：

• 训练一个SVM以检测输入图像是正面还是侧面。称之为SVM-0。
• 为正面训练另一个SVM。此SVM将对您的所有个人进行分类。但请注意，SVM通常是二进制分类器，因此请确保选择正确的SVM，即作为多类体系结构的SVM。请拨打此SVM-F。
• 为横向面孔制作最终的SVM。同样，使用多类SVM。称之为SVM-S。

将输入图像呈现给SVM-0，如果检测到它是正面，则再次将输入呈现给SVM-F;否则，将输入提供给SVM-S。

根据我的经验，您应该期望SVM-S的效果非常低。这是一个难以解决的问题。但正面并不是什么大问题，除非你正在处理姿势，光照和表情（PIE）不同的面孔。通过图像中的PIE变化，人脸识别受到很大影响。

我建议您this website，它包含非常好的信息和初学者教程，有或没有经验。