Каскадный классификатор поездов

У меня есть несколько вопросов по обучению каскадного классификатора:

  1. На некоторых моих фото видно половину объекта. Должен ли я отметить видимую часть как интересующую область, использовать изображение в качестве отрицательного образца или полностью отсортировать его?
  2. Способен ли классификатор обнаруживать объекты, которые видны лишь частично (используя признаки Хаара)?
  3. Каким должно быть соотношение отрицательных и положительных образцов? Часто я читаю, что вы должны использовать больше отрицательных образцов. Но, например, в этой теме упоминается, что соотношение должно быть 2:1 ( больше положительных образцов).
  4. Мой текущий классификатор обнаруживает много ложных срабатываний. В соответствии с этим руководством вы можете либо увеличьте количество стадий, либо уменьшите частоту ложных срабатываний на стадию. Но я не могу увеличить количество стадий без увеличения частоты ложных срабатываний. Если я просто увеличу количество этапов, обучение в какой-то момент остановится, потому что в классификаторе закончатся образцы. Является ли единственный способ уменьшить количество ложных срабатываний, чтобы увеличить количество образцов?

Буду рад, если кто-нибудь сможет ответить на один из моих вопросов :)


object-detection computer-vision image-processing cascade-classifier viola-jones
person Phil    schedule 03.07.2015    source источник

Ответы (1)


arrow_upward
4
arrow_downward

В случае каскадного классификатора я бы предложил выбросить «половину» объектов. Так как они положительные образцы? нет, так как они не содержат объект полностью, это отрицательные образцы? нет, потому что они не имеют ничего общего с нашим объектом. По моему опыту, я начал с тренировки с почти одинаковым количеством негативных и позитивных изображений, и у меня была аналогичная проблема. Увеличение количества образцов было первым шагом. Вероятно, вам следует увеличить количество отрицательных образцов, обратите внимание, что вам нужно получить разные изображения, просто иметь 100 одинаковых фоновых изображений почти то же самое, что иметь только 5-10 изображений. В моем случае наилучшим соотношением было положительное:отрицательное = 2:1. Вам все равно нужно попробовать, хотя это зависит от классификатора, который вы пытаетесь создать. Если ваш объект не является чем-то слишком причудливым и имеет простые формы и размеры (например, логотип компании, монета или апельсин), вам не нужно брать слишком много образцов, но если вы пытаетесь создать классификатор, который проверяет некоторые сложные объекты (например, стул, да... стул - серьезный объект, так как он бывает разных форм и размеров), тогда вам понадобится много образцов. Надеюсь это поможет.

person David Safrastyan    schedule 03.07.2015
comment
Спасибо за быстрый ответ :) Я хочу обнаружить руль и боковые зеркала (с 3 разными классификаторами) У меня есть более 3500 образцов, но мне еще нужно их пометить, поэтому я не могу сказать вам, сколько из них являются отрицательными/положительными. Как вы думаете, сработает ли обнаружение с таким объемом данных? (Это всегда одна и та же машина и почти одинаковый угол обзора) - person Phil; 03.07.2015
comment
Он должен иметь возможность обнаруживать, в этом случае брать отрицательные образцы в виде случайных снимков, сделанных обычно с места, где припаркован автомобиль. Видите ли, идея в том, что тренер берет положительные образцы, масштабирует их, поворачивает и размещает в разных местах. bakcgrounds, чем более подходящий ваш фон, тем лучше, поэтому, если он должен что-то делать с автомобилями, выберите фон, который представляет собой изображения парковок, гаражей и других фоновых вещей, связанных с автомобилями (без самой машины) - person David Safrastyan; 03.07.2015
comment
@DavidSafrasyan, сэр, можно ли использовать каскадные классификаторы, чтобы различать футболки с круглым вырезом и воротником? - person Mayank Tiwari; 04.10.2018