我的训练已经运行了一个多星期,现在我不想要我正在训练它的阶段的数量。我想把阶段的数量从25个改为17-18个。我是否需要从一开始就重新训练整个分类器?请解释原因。重新训练traincascade分类器opencv?
-1
A
回答
0
编辑:我的原始答案是完全错误的。我刚刚意识到了为什么。
是的,你需要重新训练,但不能产生与以前相同的输出。如果您像以前一样在同一个文件夹中重新运行trancascades,但将阶段数更改为17,它将选取已生成的分类器阶段.xml文件,并为您创建一个新的cascade.xml文件,该文件只能识别17个阶段。你然后可以删除额外的阶段。
上预留
运行超过19级什么可能会需要更长的时间比你。
0
“我需要从一开始就重新训练整个分类器” - 不。
你可以在任何时候ctrl-c它。你将失去目前训练阶段。
如果你停下来说,阶段17,你可以用numstages 17重新运行你的cmd,这将生成一个cascade.xml,你可以用它来测试。
稍后,您可以用numstages 25重新启动它,以计算缺失的17-25个阶段。
HAAR培训需要非常长。你可能应该首先从LBP级联开始,即使你以后需要HAAR。 LBP会稍微不准确,但几分钟而不是几周培训。所以如果您不确定数据的适用性,请先尝试一下。如果LBP根本不起作用,HAAR永远不会。
相关问题
- 1. traincascade训练面部痣的检测器
- 2. OpenCV:训练级联分类器
- 3. 使用API训练和重新训练斯坦福标记器
- 4. 如何在图像上训练OpenCV SVM分类器
- 5. 在openCV中训练haar和lbp分类器
- 6. 使用SIFT和ORB功能在OpenCV中训练SVM分类器
- 7. OpenCV 3.1.0 NB分类器将所有MNIST训练样本划分为单个类
- 8. tensorflow图像重新训练
- 9. 重新训练tensorflow模型
- 10. Tensorflow重新训练在Windows
- 11. Neurolab重新训练网络
- 12. opencv traincascade错误?
- 13. OpenCV traincascade maxWeekCount
- 14. traincascade,classifiers和openCV
- 15. Haar级联分类器训练问题
- 16. 训练分类器的时间
- 17. Accord.NET:如何训练Boost分类器
- 18. 如何增量训练nltk分类器
- 19. Tensorflow线性分类器未训练
- 20. 训练我们自己的分类器
- 21. nltk贝叶斯分类器训练
- 22. 贝叶斯分类器训练集
- 23. NLTK使用训练分类
- 24. Tensorflow分类图像训练
- 25. 训练分类模型Opennlp
- 26. 在OpenCV中训练SVM
- 27. OpenCV线性SVM不训练
- 28. 在Python中训练OpenCV NormalBayesClassifier
- 29. 如何在apache模型训练后对新的训练样例进行分类?
- 30. 在新的DataFrame上使用受过训练的分类器
这个问题似乎是无关紧要的,因为它是关于机器学习的。 – Aurelius
这与在OpenCV中使用traincascade训练haar分类器有关,因此,我没有看到标签有任何问题。 – user3626948