我按照本教程生成了xml分类器文件http://abhishek4273.com/2014/03/16/traincascade-and-car-detection-using-opencv/ 但我有很多问题需要澄清。
是正面车的确切位置吗? http://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html 这个opencv官方教程说格式是这样的:
img1.jpg 1 140 100 45 45 img2.jpg 2 100 200 50 50 50 30 25 25 似乎140 100是左上角的坐标。和45 45是汽车的宽度和高度,对吧? 在这种情况下,如果我的列车数据来自http://host.robots.ox.ac.uk/pascal/VOC/ 一张图片的一个示例xml文件是这样的:
<bndbox>
<xmin>158</xmin>
<ymin>199</ymin>
<xmax>231</xmax>
<ymax>240</ymax>
</bndbox>
<difficult>0</difficult>
我可以安全地将158 199 73 41
放入cars.info,还是存在坐标系不匹配的风险?
有很多误报,有任何建议如何更改此命令行的参数?
opencv_traincascade -data data -vec cars.vec -bg bg.txt -numStages 10 -nsplits 2 -minhitrate 0.999 -maxfalsealarm 0.5 -numPos 500 -numNeg 500 -w 48 -h 24 非常感谢~~
我绝对可以减少maxfalsealarm值,但这真的有帮助吗?训练需要很长时间,这就是我要问的原因,对不起
答案 0 :(得分:0)
好的,在尝试训练2个成本超过48小时的分类器之后,我想说第一个信息问题结果是对的,对于第二个,如果想减少误报,那么减少 maxflasealarm 参数很好,但是也需要花费更多的时间进行训练。