Question

在我的图像对象检测项目中，我使用matlab的TrainCascadeObjectDetector函数，你也可以看到here，这个函数使用opencv train cascade，用于训练一组图像（正面和负面）：

肯定：图像包含感兴趣的对象。

否定：图像不包含感兴趣的对象，但必须包含正面背景，以便在训练后获得更高的精确度。

此功能还需要一些参数：

- 级联阶段的数量。

-True Positive Rate。

- 误报率。

- 负样本因素。

- 对象训练大小。

- 特征类型（HOG，LBP，Haar）。

我使用HOG（面向渐变的直方图），此函数的结果是.xml文件：

trainCascadeObjectDetector(outputXMLFilename,positiveInstances,negativeImages)

我使用输出来定位图像中感兴趣的对象：

detector = vision.CascadeObjectDetector(XMLFILE)

所以我的结果是一个探测器，我用它来绘制边界框：

BBOX = step(detector)

我想评估结果的表现，我发现可以绘制一条ROC曲线，here我的问题。 ROC是真正的正率VS误差率曲线，因此它是TPR和FPR的需求值。全球TPR和FPR正在以这种方式计算：

TruePositiveRate^numberOfStages    and FalseAlarmRate^numberOfStages

但它们只是2个值，而不是绘制曲线的无法识别。我还尝试通过这个topic进行二进制比较而得到TPR和FPR，我通过比较我的地面实况图像和结果图像并采用了最大FPR和TPR，现在我有1个TPR和1个FPR用于最后阶段的整个图像。如何从前几个阶段获得其他人？

我的GUI：

Answer 1

为参数化分类器定义ROC，其中影响FPR / TPR的每个连续参数都有自己的曲线。您可以通过重复选择参数的不同值，然后通过分类器运行验证集来近似此曲线。