Odpowiedz

4

Oto najlepszy samouczek dotyczący treningu Haar. Czy próbowałeś tego? http://note.sonots.com/SciSoftware/haartraining.html

Mówi, że użyli 5000 dla pozytywnych i 3000 dla negatywnych.

Ten link mówi 3000 za pozytywny i 5000 za negatywny. W każdym razie większa liczba obrazów poprawia dokładność, ale także zwiększa czas szkolenia.

Sprawdź również inne łącza SO here.

+3

Dzięki za linki. Ten drugi, którego nie widziałem. Jedną z zagadek jest pojęcie negatywnych próbek. Czy nie miałoby sensu, aby negatywne próbki zawierały części obrazu, z którego pochodzą próbki dodatnie, ale bez próbek dodatnich? Większość tutoriali wspomina o użyciu negatywnych próbek zawierających losowe obrazy, które nie są związane z dodatnimi próbkami. Wydaje mi się, że jeśli bierzesz pozytywne próbki owoców ze zdjęcia z rynku owoców, chciałbyś, aby negatywne próbki były z innych owoców, które zazwyczaj znajdują się na tym samym zdjęciu rynku owoców? – Rhubarb

+0

cóż, pytanie ma sens, ale obawiam się, że nie znam jego odpowiedzi. Zasadniczo jest to traktowane jak podane w linkach w odpowiedzi. –

+1

Masz rację, @Rhubarb. Podobnie jak pozytywne próbki powinny być reprezentatywne dla tego, czego próbujesz się nauczyć, jak to możliwe, negatywne próbki powinny być reprezentatywne dla tego, kim jesteś * nie * starają się uczyć jak to możliwe. W twoim przykładzie, wyraźnie ideał jest taki, jaki mówisz; jeśli jednak dyskryminacja algorytmu nie jest zbyt ostra, możliwe, że negatywne przykłady, które są zbyt podobne do twoich pozytywnych przykładów (podobny owoc) mogą w rzeczywistości nie pomóc. Przyjmując to dalej, w ramach uczenia się programów nauczania, można wprowadzić trudniejsze do rozpoznania przykłady w miarę postępu szkolenia. – Ninjakannon

Powiązane problemy