강력한 계단식 분류기를 교육 할 때 고려해야 할 사항?

Question

나는 이미지에서 동물을 탐지하기 위해 계단식 분류기를 훈련 중이다. 불행히도 나의 위양성 비율은 꽤 높습니다 (Haar와 LBP를 사용하는 초고속, HOG를 사용하여 수용 가능). 내 분류기를 어떻게 개선 할 수 있는지 궁금합니다.

여기 내 질문은 :

• 강력한 탐지에 필요한 훈련 샘플의 양이 무엇
  ? 나는 4000 위치와 800 neg 샘플이 필요하다고 어딘가에서 읽었습니다. 좋은 견적입니까?
• 훈련 샘플은 어떻게 다릅니 까? 가능한 '중복'데이터를 포함/제외시키기 위해 이미지의 차이를 수량화하는 방법이 있습니까?
• 어떻게 폐색 된 객체를 처리해야합니까? 가시적 인 동물의 부분 만 훈련해야합니까, 아니면 평균 ROI가 상당히 일정하도록 ROI를 선택해야합니까?
• 동물은 다리, 팔, 꼬리, 머리 등이 있습니다. 일부 신체 부위는 꽤 자주 가려지기 때문에 '몸통'을 ROI로 선택하는 것이 합리적입니까?
• 이미지 크기를 줄이고 이미지 크기를 줄여야합니까? 이게 상황을 개선 할 수 있을까요?

나는 여기에 어떤 포인터가 열려 있습니다!

Answer 1

• 4000 pos - 800 네가 나쁜 비율입니다. 부정적인 샘플을 가진 것은 Adaboost ML algorithm (모든 haar와 유사한 기능 선택 프로세스의 핵심 알고리즘)이 매우 중요하다는 점에서 가능한 한 많은 시스템을 교육해야한다는 것입니다. 4000/10000을 사용하는 것이 좋습니다.
• "동물"을 탐지하는 것은 어려운 문제입니다. 문제는 이미 NP-hard 인 의사 결정 프로세스이므로 분류 범위가 복잡해지고 있습니다. 먼저 고양이부터 시작하십시오. 고양이를 탐지하는 시스템을 갖추십시오. 그런 다음 개에게도 똑같이 적용하십시오. 40 개의 시스템을 사용하여 다른 동물을 감지하고 나중에 목적에 맞게 사용하십시오.
• 교육을 위해, 폐색 된 물체를 긍정적 인 것으로 사용하지 마십시오. 즉 정면의 얼굴을 감지하고 싶다면 정면의 얼굴을 정위 및 방향 변경 만 적용하여 정면에 훈련 시키십시오.
• 하향식 분류기 자체가 모든 것을 24x24 크기로 축소하므로 다운 스케일링이 중요하지 않습니다. 시간이 충분할 때 전체 비올라 존스 프리젠 테이션을 시청하십시오.
• 행운을 비네.