Задачи обучения каскадного классификатора Хаара

Question

Я создал несколько каскадных классификаторов лица по Хаару.Я использовал разное количество позитивов и негативов каждый раз.

Например,

1-й классификатор: 5000 положительных и 3000 негативов
2-й классификатор: 3000 положительных и 3000 негативов (удалено 2000 избыточных/ похожие изображения)

эффективность обоих этих классификаторов была почти одинаковой ...

Проблемы:

1. Isn 'Есть ли способ, с помощью которого я могу удалить все избыточные изображения в моей базе данных до начала обучения?

2. Каковы идеальные условия освещения и фона для обучения Классификатора?

3. Сколько изображений в базе данных считается идеальным для наилучшей производительности или зависит от типа данных в наборе?

С уважением,

Салех...

Answer 1

Всего наилучшего в вашей работе.

Ответы:

1. Я хочу знать, как вы удалили избыточные изображения во время тренировки второго классификатора.Я не могу сказать вам точное решение.Одним из решений может быть: взять простую особенность haar, получить векторы признаков (скажем, F1 и F2) для двух изображений.Если корреляция между F1 и F2 равна нулю (или меньше некоторого порогового значения), тогда изображения аналогичны.Вы должны проверить это.И если это работает, пожалуйста, дайте мне знать.

2. Это зависит от приложения.Если кто-то хочет использовать классификатор в сценарии с изменением освещенности и фона, то такие изображения должны быть включены в классификаторы обучения.

3. База данных обучения должна содержать много изображений (обычно тысячи изображений),Важным является изменение изображений с точки зрения внешнего вида, иллюзии, теней и т. Д. Изменения в базе данных делают классификатор более надежным.