Haar级联分类器训练问题

Question

我创建了多个haar级联分类器。我每次使用不同数量的积极和消极。

例如，

第一分类器： 5000阳性和3000底片
第二分类器： 3000阳性和3000张底片（删除2000冗余/类似的图像）

的这两个效率分类器几乎相同...

问题：

1. 是否有一种方法可以在训练之前删除数据库中的所有冗余图像？

2. 什么是训练分类器的理想照明和背景条件？

3. 数据库中有多少图像被认为是最佳性能的理想选择，还是取决于数据集中的数据类型？

问候，

萨利赫...

Answer 1

所有最适合你的工作。

答案：

1. 我想知道你是如何删除多余的图像，同时训练第二分类。我无法告诉你确切的解决方案。一种解决方案可能是：做一个简单的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），则图像是相似的。你必须测试这个。如果有效，请让我知道。

2. 这取决于应用程序。如果想在改变照明和背景的场景中使用分类器，那么这些图像应该包含在训练分类器中。

3. 培训数据库应该包含许多图像（通常是成千上万的图像）。重要的是图像在外观，幻觉，阴影等方面的变化。数据库中的变化使得分类器更健壮。