[英]Haar cascaded Classifier Training Problems
我創建了多個haar級聯的面孔分類器。 我每次都使用不同數量的正面和負面。
例如,
第一個分類器: 5000個正數和3000個負數
第二分類器: 3000個正片和3000個負片(刪除了2000個冗余/相似圖片)
這兩個分類器的效率幾乎相同...
問題:
在訓練之前,沒有一種方法可以刪除數據庫中的所有冗余圖像嗎?
訓練分類器的理想照明和背景條件是什么?
數據庫中有多少張圖像被認為是最佳性能的理想選擇,還是取決於集合中的數據類型?
問候,
薩利赫...
祝您工作順利。
答案:
我想知道您在訓練第二個分類器時如何刪除冗余圖像。 我無法告訴您確切的解決方案。 一種解決方案可能是:采取簡單的haar特征,獲取兩個圖像的特征向量(例如F1和F2)。 如果F1和F2之間的相關性為零(或小於某個閾值),則圖像相似。 您必須對此進行測試。 如果有效,請告訴我。
這取決於應用程序。 如果要在光照和背景不斷變化的場景中使用分類器,則此類圖像應包含在訓練分類器中。
培訓數據庫應包含許多圖像(通常為數千個圖像)。 重要的是圖像在外觀,錯覺,陰影等方面的差異。數據庫中的差異使分類器更可靠。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.