训练隐性支持向量机的模型

好的同事！训练隐性支持向量机的模型

我非常喜欢用我自己的数据集来训练一个新模型！

我没有找到关于这个主题的信息，那么我希望我的信息可以帮助人们，我也可以得到一些答案。

我会尽量解释我都需要做训练我自己的模型和步骤以后的一些问题...

我从下载潜代码：http://cs.brown.edu/~pff/latent-release4/
我有下载从PASCAL VOC 2008码（的devkit）：http://host.robots.ox.ac.uk/pascal/VOC/voc2008/index.html
我有效仿文件的结构/ VOC的PASCAL的，但在我自己的数据集文件夹：
- 注释。我已经创建了一个.xml，我已经定义了一个对象，脸，（每张图片中我只有一张脸）。我没有界定困难或姿势...
- JPEGImages我在那里存储在哪里我已经定义了三个文件中的所有图像
- ImageSets：
  - 的test.txt，在那里我写我的阳性样品的文件名
  - train.txt，在那里我写我的负面样本的文件名
  - trainval.txt，我写了我的正面样本的文件名（与test.txt完全相同的文件）。
我改变globals.m和VOCinit.m一些事情（说算法的路径和一些文件的位置...）

然后我用命令运行训练：pascal（'face'，1）;

继我已经实现了完全训练跑并没有失败，我得到我自己的模型但我有些怀疑这些步骤......

你能看见什么奇怪的，我的解释？它可以工作吗？
文件test.txt/trainval.txt必须相等吗？为什么......这是什么意思？
我需要在INSIDE函数中选择我想要的零件数量吗？
请你想象我有两种样品（正面和侧面），我想检测两种样品......我该如何解决这个问题？我以为我必须训练一个有两个部件的模型......但是我怎样才能告诉训练码是正面还是侧面的样本？在带有标签姿势的注释中？（我不这么认为......）还有其他方法来解决这个问题吗？

谢谢你的时间！我希望你能解决我的疑惑:)

来源

2015-07-01 Ricardo

那么.... @ 3yanlis1bos或巴勃罗里瓦斯，也许你可以帮助我。我收集这些图像集合以训练两种模型（正面和侧面）： *（300正面+300横向）正样本 - > trainval.txt *（1000）负样本 - > train.txt *（100）测试样本 - > test.txt 由于我的图像非常静态（它们之间非常相似），我随机轮换一些度数以在训练中产生一些变化。这是正确的吗？我的问题是，当我运行我的探测器时，正面和负面样品的分数是相似的...然后我得到太多的FP和FN ... 感谢！ – Ricardo

我认为test.txt应该包含样本（图片），将用于估计系统在学习脸后有多好。然而，在学习阶段（训练）使用trainval.txt来微调模型的参数;它是监督式学习的重要组成部分。

此外，很难让单个SVM对正面和侧面的人脸进行分类。这里是我的建议：

训练一个SVM来检测输入图像是正面还是侧面。称之为SVM-0。
训练另一个用于正面的SVM。这个SVM将分类你所有的人。但是，请注意，SVM通常是一个二元分类器，因此请确保选择正确的SVM，作为多类体系结构。致电SVM-F。
Tran支持侧面的最终SVM。再次使用多类SVM。叫它SVM-S。

存在于输入图像SVM-0，如果检测到它是一个正面面部，再次呈现输入到SVM-F;否则，请输入SVM-S。

根据我的经验，您应该期望在SVM-S中表现非常低的表现。这是一个难以解决的问题。但是正面并不是什么大不了的，除非你正在处理姿势，照度和表情（PIE）不同的面孔。随着图像中的PIE变化，人脸识别受到很大影响。

我建议你this website，它包含非常好的信息和初学者教程，无论是否有经验。

来源

2015-07-01 18:53:02

非常感谢您的回答！ :) 然后： - ** trainval.txt **是训练模型的阳性样本 - ** train.txt **是训练模型的阴性样本 - ** test.txt **是其他注释样本（正面和负面）阳性样本来训练模型以检查训练是如何的......对吗？这部分（test.txt）会影响最终模型（影响训练？）？我在检测面孔（和他们的姿势），但我不需要识别它们。我的目标是告诉人脸是否可见（或不是）和姿势（正面/侧面）。 **我对吗？** – Ricardo

不完全。看，'火车。txt'，'trainval.txt'和'test.txt'都应该包含正和负样本。我建议你[https://youtu.be/4wGquWG-vGw]（看这个视频）解释培训，验证和测试集的概念。如果你的目的是1）检测一张脸，2）检测是否是正面/侧面，那么问题比我想象的要简单。首先，训练一个支持向量机检测一个“face”（+ class）或'not a face'（ - class）。其次，训练另一个SVM，它将检测脸部是“正面”（+类）还是“横向”（ - 类）。您需要样本来训练两个SVM。 –

训练隐性支持向量机的模型

回答

相关问题