OpenCV 2.3.1 : how to tell if haartraining is stuck or still working (on TINY example)-6ren

OpenCV 2.3.1 : how to tell if haartraining is stuck or still working (on TINY example)

转载作者：太空宇宙更新时间：2023-11-03 20:38:29

我是第一次使用 opencv_haartraining，在 Mac OS X Lion 上使用 OpenCV 2.3.1。

我正在尝试训练一个非常快速的示例。我只使用了 23 个正面例子和 45 个负面例子。然而，opencv_haartraining 已经 100% 使用了我 2010 Macbook Air 的一个内核至少 30 小时!

相关文件如下:

http://stanford.edu/~jonr1/haartraining_test_1/目录
正样本的vec文件http://stanford.edu/~jonr1/haartraining_test_1/vec_positive_samples/vec_positive_samples.vec
- bg(负)例子http://stanford.edu/~jonr1/haartraining_test_1/bg_negative_examples.txt
- 到目前为止产生的中间结果http://stanford.edu/~jonr1/haartraining_test_1/results/

vec 文件是按照本教程 http://note.sonots.com/SciSoftware/haartraining.html 生成的，使用该作者的程序 mergevec 组合由 createsamples 单独生成的 vec 文件。

opencv_haartraining 的输出是:

Data dir name: /Users/jon/Tabletop/haartraining_test_1/results
Vec file name: /Users/jon/Tabletop/haartraining_test_1/vec_positive_samples/vec_positive_samples.vec
BG  file name: /var/folders/85/96xv8qxx5ssc7ndg50s5lp480000gn/T/tmpZ2bASi.txt, is a vecfile: no
Num pos: 115
Num neg: 45
Num stages: 20
Num splits: 2 (tree as weak classifier)
Mem: 200 MB
Symmetric: TRUE
Min hit rate: 0.995000
Max false alarm rate: 0.500000
Weight trimming: 0.950000
Equal weights: FALSE
Mode: BASIC
Width: 20
Height: 20
Applied boosting algorithm: GAB
Error (valid only for Discrete and Real AdaBoost): misclass
Max number of splits in tree cascade: 0
Min number of positive samples per cluster: 500
Required leaf false alarm rate: 9.53674e-07

Tree Classifier
Stage
+---+
|  0|
+---+


Number of features used : 41910

Parent node: NULL

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 1
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-| 0.910420| 1.000000| 0.044444| 0.012500|
+----+----+-+---------+---------+---------+---------+
Stage training time: 2.00
Number of used features: 2

Parent node: NULL
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+
|  0|
+---+

   0


Parent node: 0

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.283019
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.965048| 1.000000| 1.000000| 0.018750|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-0.903213| 1.000000| 0.288889| 0.025000|
+----+----+-+---------+---------+---------+---------+
Stage training time: 3.00
Number of used features: 4

Parent node: 0
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+
|  0|  1|
+---+---+

   0---1


Parent node: 1

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.338346
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.961620| 1.000000| 1.000000| 0.043750|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-0.660077| 1.000000| 0.622222| 0.043750|
+----+----+-+---------+---------+---------+---------+
|   3| 88%|-| 0.142538| 1.000000| 0.044444| 0.012500|
+----+----+-+---------+---------+---------+---------+
Stage training time: 4.00
Number of used features: 6

Parent node: 1
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+
|  0|  1|  2|
+---+---+---+

   0---1---2


Parent node: 2

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.145631
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.975839| 1.000000| 0.777778| 0.025000|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-0.904803| 1.000000| 0.244444| 0.037500|
+----+----+-+---------+---------+---------+---------+
Stage training time: 3.00
Number of used features: 4

Parent node: 2
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+
|  0|  1|  2|  3|
+---+---+---+---+

   0---1---2---3


Parent node: 3

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.0293926
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.981092| 1.000000| 1.000000| 0.031250|
+----+----+-+---------+---------+---------+---------+
|   2| 91%|+|-0.820519| 1.000000| 0.333333| 0.031250|
+----+----+-+---------+---------+---------+---------+
Stage training time: 3.00
Number of used features: 4

Parent node: 3
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+
|  0|  1|  2|  3|  4|
+---+---+---+---+---+

   0---1---2---3---4


Parent node: 4

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.0244965
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.964250| 1.000000| 1.000000| 0.025000|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-1.801320| 1.000000| 1.000000| 0.025000|
+----+----+-+---------+---------+---------+---------+
|   3| 88%|-|-0.938272| 1.000000| 0.177778| 0.006250|
+----+----+-+---------+---------+---------+---------+
Stage training time: 4.00
Number of used features: 6

Parent node: 4
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|
+---+---+---+---+---+---+

   0---1---2---3---4---5


Parent node: 5

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.0100245
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.975839| 1.000000| 1.000000| 0.037500|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-0.109149| 1.000000| 0.133333| 0.037500|
+----+----+-+---------+---------+---------+---------+
Stage training time: 3.00
Number of used features: 4

Parent node: 5
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|  6|
+---+---+---+---+---+---+---+

   0---1---2---3---4---5---6


Parent node: 6

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.00587774
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.870814| 1.000000| 0.800000| 0.050000|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-0.437010| 1.000000| 0.200000| 0.050000|
+----+----+-+---------+---------+---------+---------+
Stage training time: 3.00
Number of used features: 4

Parent node: 6
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|  6|  7|
+---+---+---+---+---+---+---+---+

   0---1---2---3---4---5---6---7


Parent node: 7

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.00269655
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.825750| 1.000000| 1.000000| 0.087500|
+----+----+-+---------+---------+---------+---------+
|   2| 89%|+|-1.098274| 1.000000| 0.911111| 0.093750|
+----+----+-+---------+---------+---------+---------+
|   3| 99%|-|-0.387003| 1.000000| 0.222222| 0.050000|
+----+----+-+---------+---------+---------+---------+
Stage training time: 5.00
Number of used features: 6

Parent node: 7
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|  6|  7|  8|
+---+---+---+---+---+---+---+---+---+

   0---1---2---3---4---5---6---7---8


Parent node: 8

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.000656714
BACKGROUND PROCESSING TIME: 0.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.780975| 1.000000| 1.000000| 0.125000|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+|-1.143491| 1.000000| 0.866667| 0.125000|
+----+----+-+---------+---------+---------+---------+
|   3|100%|-|-1.267461| 1.000000| 0.355556| 0.037500|
+----+----+-+---------+---------+---------+---------+
Stage training time: 5.00
Number of used features: 6

Parent node: 8
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|  6|  7|  8|  9|
+---+---+---+---+---+---+---+---+---+---+

   0---1---2---3---4---5---6---7---8---9


Parent node: 9

*** 1 cluster ***
POS: 115 115 1.000000
NEG: 45 0.000245695
BACKGROUND PROCESSING TIME: 1.00
Precalculation time: 0.00
+----+----+-+---------+---------+---------+---------+
|  N |%SMP|F|  ST.THR |    HR   |    FA   | EXP. ERR|
+----+----+-+---------+---------+---------+---------+
|   1|100%|-|-0.982759| 1.000000| 1.000000| 0.006250|
+----+----+-+---------+---------+---------+---------+
|   2|100%|+| 0.017238| 1.000000| 0.000000| 0.000000|
+----+----+-+---------+---------+---------+---------+
Stage training time: 2.00
Number of used features: 4

Parent node: 9
Chosen number of splits: 0

Total number of splits: 0

Tree Classifier
Stage
+---+---+---+---+---+---+---+---+---+---+---+
|  0|  1|  2|  3|  4|  5|  6|  7|  8|  9| 10|
+---+---+---+---+---+---+---+---+---+---+---+

   0---1---2---3---4---5---6---7---8---9--10


Parent node: 10

*** 1 cluster ***
POS: 115 115 1.000000

所有这些输出都是在运行的前 5 分钟内产生的。产生此输出后，它继续以 100% 的一个核心运行 30 小时(到目前为止)，没有进一步的输出。

我的问题是:我如何判断 haartraining 在这种特殊情况下是否崩溃，更一般地说，有谁知道如何修改 cvhaartraining.cpp 以便它定期输出其状态？感谢一百万!

(相关问题，均无答案:

)

最佳答案

OpenCV Yahoo 技术组上也有类似的线程，其中包含 michael_p_horton 的代码，用于提供一些额外的反馈以确定代码是否进入无限循环:tech.groups.yahoo.com/group/OpenCV/message/45080

总结上述主题，haartraining 可以在两个地方发挥作用。

第一个很容易通过检查输出来捕捉——您需要增加 HR(命中率)并减少 FA(误报)。如果这没有发生，训练将进入无限循环。

但是，根据 maxenglander 的回答，您遇到的问题是 icvGetHaarTrainingDataFromBG 中的无限循环。要检查这一点，您需要深入研究 cvhaartraining.cpp 代码并添加一些调试输出。

要引用 Yahoo 组的答案，您需要按以下方式修改 icvGetHaarTrainingDataFromBG 实现(查找 cascade-eval() 行，然后添加 CV_VERBOSE 代码):

icvGetAuxImages( &img, &sum, &tilted, &sqsum, normfactor );
if( cascade->eval( cascade, sumdata, tilteddata, *normfactor ) != 0.0F )
    break;

/* Display progress on negative image selection */
#ifdef CV_VERBOSE
if( thread_consumed_count % 1000 == 0 )
{
    fprintf( stderr, "%3d%%, %d negatives of %d required, %d images
    tested\r", (int) ( 100.0 * (i - first) / count ), (i-first), count,
    thread_consumed_count );
    fflush( stderr );
}
#endif /* CV_VERBOSE */

If this starts displaying messages like "0%, 0 negatives of 972 required, 10000000 images tested" you've entered an endless loop.

最后一点——对于 OpenCV 2.4，相关代码在 icvGetHaarTrainingData 函数中。

关于OpenCV 2.3.1 : how to tell if haartraining is stuck or still working (on TINY example)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8697385/

文章推荐： python - 可视化 h2o 随机森林模型树时出现类型错误

文章推荐： c# - 使用 .NET 基于属性在 XSLT 中选择元素

文章推荐： c# - 在位图上使用灰度颜色

文章推荐： python - 定位矩阵中的不对称性

ssl - 这些openssl文件: example. cer example.key example.pem example.crt是什么关系？
我正在使用 Mechanize 配置 ssl , 根据 document我需要设置 agent.cert = 'example.cer' agent.key='example.cer' 但是我怎样才能
mysql 中的 PHP 变量调用 $sql( SELECT * FROM Example WHERE Example = "$example")
我有一个表格，允许人们将士兵添加到列表中，该列表可以很好地传输到 mysql。如果我在没有变量的情况下这样做甚至很好，但是一旦我尝试添加一个如下所示。 // Get Variable from Loc
.htaccess - htaccess 将 http ://example. com 重写为 http ://www. example.com 但将 https ://www. example.com 重写为 https ://example. com
使用 .htaccess 重写，我想要: http://example.com 重定向到:http://www.example.comhttps://www.example.com 重定向到:http
在 example.com 上没有有效证书的情况下，从 https ://example. com 重定向到 https ://www. example.com
我想将所有流量重定向到 https://www.sitename.com 例子 http://sitename.com --> https://www.sitename.com http://www.
redirect - Nginx:将 http://example.com 和 http://*.example.com 重定向到 https://example.com
我只有 example.com 的 SSL 证书，并且想同时重定向 http://example.com和 http://*.example.com 到 https://example.com使用 n
apache - 在服务器 b.example.com 上配置 Apache 以允许在没有警告的情况下从 example.com 请求 b.example.com 上的安全资源？
我有服务器 A，它托管我们在 www.example.com 上的主要站点；我们有一个涵盖 *.example.com 的 SSL 证书。在我们网站的安全部分，我们希望向我们编写并托管在单独机器/I
swift - 在一行中打印带有换行符的字符串作为文本 ("example\n example")
我正在努力平衡多行上的一些文本，并且我正在添加手动换行符以将文本均匀地分割在各行上。为了弄清楚这一点，我需要查看在哪里添加“\n”来测试我的代码，但我发现的唯一方法是将其全部打印为字符: ["T",
java - 我已经安装了两个服务器apache 和Tomcat。我如何删除 http ://example. com :8080 to normal url or http://example. com/folder 或 http ://example. com
我在我们的域中安装了 Apache 和 Tomcat 服务器，因为我有超过 25 个服务，一些服务由 Apache 处理，一些服务由 Tomcat 处理。 tomcat 服务显示 http://exa
ldap - 在Kerberos数据库中找不到服务器ldap/example.com@EXAMPLE.COM
编辑：问题终于解决了。详细信息可以在此消息末尾的疑难解答部分中找到。我在这里保留了详细的步骤，以防可能对某人有所帮助。设置OpenLDAP I-创建服务器该文档通常已经过时，并且您会找到多种实现
html - Example Link 有填充还是边距？
这个问题在这里已经有了答案: offsetting an html anchor to adjust for fixed header [duplicate] (28 个答案) 关闭 8 年前。
apache - 如何让谷歌将我的链接显示为 example.com NOT example.com/
目前谷歌将我的网站链接显示为... example.com/ ...但是，我希望它显示为... example.com 我确实有以下元数据 ...下面是我的 htaccess 文件... Index
c# - XML 注释标记 : how to see it?
我使用 Microsoft Visual Studio 2012。当我将代码示例放入 C# 类/方法的 XML 注释中时，我想知道:引用我的程序集的用户将如何看到该代码示例？我试图引用我自己的程序集
php - "example@something.com"-> "example"PHP
我对正则表达式还很陌生，无法真正弄清楚它是如何工作的。我试过这个: function change_email($email){ return preg_match('/^[\w]$/', $e
java - Hibernate Example 忽略大小写而不调用 Example.ignoreCase()
我正在使用 Hibernate 版本 4.3.5.Final。这里的问题是 Hibernate 找到 Foo 类型的实体，其中属性 address 的大小写不同(例如“BLAFOO”)。但是，在我的示
ruby-on-rails - YAML 配置文件 : Why 'example' instead of :example?
我为环境特定变量(如用户名和密码)设置了一个环境 YAML 文件。要在我的应用程序中使用这些变量，我需要使用 APP_CONFIG['username']而不是 APP_CONFIG[:usernam
redirect - DNS 将domain.example 重定向到www.domain.example
已关闭。这个问题是 off-topic 。目前不接受答案。想要改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。已关闭10 年前。 Improve th
python - 如何检查 header 是否包含字符串 "example@example.com"？
这个问题在这里已经有了答案: Does Python have a string 'contains' substring method? (10 个答案) 关闭 8 年前。我想检查发件人 hea
ssl - 为什么 "example.it"安全而 "www.example.it"不安全？
我已经在 https://arieldemian.it 上配置了 SSL/TLS但似乎https://www.arieldemian.it不安全。这是为什么？我需要注册他们两个吗？我正在使用 http
android - `com.example.**` 和 `com.example.**{*;}` 之间的区别是什么？
当我使用 ProGuard 时，com.example.** 和 com.example.**{*;} 之间的区别是什么？例如，每种情况会发生什么情况？ -keep class com.examp
php - 想让 'example.com/home'在地址栏显示为 'example.com'
我的主页的内容是根据使用 slug“home”对数据库的查询提取的。例如，如果我在地址栏中输入 example.com/home，它会根据看到的“/home”查询数据库并提取正确的内容(使用变量“$p

太空宇宙

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

OpenCV 2.3.1 : how to tell if haartraining is stuck or still working (on TINY example)