我已经使用HOG实现了汽车探测器,目前工作正常。不幸的是,我对分类器有很多误报。
到目前为止我做了什么
我已将样本的比例(正数:负数)从1:1
更改为1:3
,并将误报降低到某种程度。有人可以帮助减少分类器的误报
我实施HOG的方法
获取完整图像的HOG功能(仅限块)。
根据标签信息和窗口大小提取正面特征。
通过随机绘制矩形并检查与我感兴趣的对象的碰撞来提取负样本。
训练线性svm。
测试分类器。
答案 0 :(得分:2)
也许这不是完美的解决方案,但我希望它可以帮到你。
我正在使用HOG描述符+ SMV分类器进行特定的对象检测。为了减少误报结果,尽管调整错误和真实训练样本的数量很重要,但最后我必须根据经验调整径向基函数(RBF)内核SVM的GAMMA和Cost参数。可能如果你增加了你的GAMMA值,你会得到更少的误报结果,但也许会有一些未命中的检测。
高斯核(γ)的反宽参数对软边际常数的固定值的影响。对于小的γ值(左上),决策边界几乎是线性的。随着γ的增加,决策边界的灵活性增加。大的γ值导致 过度拟合(底部)。
我留下一些链接作为参考:
A User’s Guide to Support Vector Machines
Using SVMs for Scientists and Engineers
的问候。