Поезд каскад классификаторы

Question

Я получил несколько вопросов о подготовке каскадного классификатора:

1. На некоторых из моих фотографий половины объекта видна. Должен ли я отмечать видимую часть как область интереса, использовать изображение как отрицательный образец или полностью разобрать?
2. Является ли классификатор способным обнаруживать объекты, которые только частично видимы (с использованием функций Хаара)?
3. Какое должно быть отношение отрицательных и положительных образцов? Часто я читал, что вы должны использовать больше отрицательных образцов. Но, например, в потоке this указано, что отношение должно быть 2: 1 (более положительные образцы).
4. Мой текущий классификатор обнаруживает много ложных срабатываний. Согласно уроку this вы можете либо увеличить количество этапов, либо уменьшить скорость ложной тревоги на каждый этап. Но я не могу увеличить количество этапов без увеличения частоты ложных срабатываний. Если я просто увеличиваю количество этапов, обучение останавливается в какой-то момент, потому что у классификатора заканчивается выборка. Единственный способ уменьшить ложные срабатывания для увеличения количества образцов?

Был бы рад, если кто-то может ответить на один из моих вопросов :)

Answer 1

В случае каскадного классификатора я хотел бы предложить, чтобы выбросить «половину» объекты. Так как они положительные образцы? нет, поскольку они не содержат объект целиком, являются ли они отрицательными образцами? нет, потому что они не являются чем-то, что не имеет никакого отношения к нашему объекту. В своем опыте я начал с тренировки с почти одинаковым количеством негативных и позитивных изображений, и у меня была аналогичная проблема. Увеличение числа образцов было первым шагом. Вероятно, вы должны увеличить количество отрицательных образцов, обратите внимание, что вам нужно получить разные изображения, просто имея 100 похожих фоновых изображений, почти то же самое, что и только 5-10 изображений. В моем случае лучшее соотношение было положительным: отрицательное = 2: 1. Вам все равно нужно попробовать, хотя это зависит от того, какой классификатор вы пытаетесь построить. Если ваш объект не слишком причудливый и имеет простые формы и размеры (например, логотип компании или монета или оранжевый), вам не нужно получать слишком много образцов, но если вы пытаетесь создать классификатор, который проверяет некоторые сложные предметы (например, стул, да .. стул - серьезный объект, поскольку он имеет много разных форм и размеров), чем вам понадобится много образцов. Надеюсь, это поможет.