image - Haar 级联分类器训练问题

Question

我已经创建了多个 haar 级联面部分类器。我每次都使用不同数量的正面和负面。

例如，

第一个分类器:5000 个正类和 3000 个负类
第 2 个分类器:3000 个正类和 3000 个负类(删除了 2000 个冗余/相似图像)

这两个分类器的效率几乎相同......

问题:

1. 有没有一种方法可以在训练前删除数据库中的所有冗余图像？

2. 训练分类器的理想光照和背景条件是什么？

3. 数据库中有多少图像被认为是最佳性能的理想图像，还是取决于集合中的数据类型？

问候，

萨利赫...

Answer 1

祝你工作顺利。

答案:

1. 我想知道你是如何在训练第二个分类器时删除冗余图像的。我不能告诉你确切的解决方案。一种解决方案可能是:获取一个简单的 haar 特征，获取两个图像的特征向量(比如 F1 和 F2)。如果 F1 和 F2 之间的相关性为零(或小于某个阈值)，则图像相似。你必须测试这个。如果有效，请告诉我。

2. 这取决于应用程序。如果要在光照和背景不断变化的场景中使用分类器，则应将此类图像包含在训练分类器中。

3. 训练数据库应包含许多图像(通常为数千张图像)。重要的是图像在外观、错觉、阴影等方面的变化。数据库中的变化使分类器更加健壮。