Поиск по сайту

Какие требования предъявляются к тренировочным данным для каскадных классификаторов? Кол-во позитивных примеров? Как могут варьироваться данные: поворот, смещение от центра окна, скейл?(Или же всё наоборот должно быть унифицировано и позволяется делать только отражение по горизонтали?) тут пишут http://www.mathworks.com/help/vision/ug/train-a-cascade-object-detector.html По каскадам: AdaBoost + Haar features Rapid object detection using a boosted cascade of simple features, Paul Viola, Michael Jones,CVPR 2001 SURFCascade http://face.cs.kit.edu/befit/workshop2011/pdf/slides/jianguo_li-slides.pdf https://github.com/xieguotian/SurfFaceDetection Soft Cascade http://www.slideshare.net/ktoshik/soft-cascade обсуждение state-of-art https://groups.google.com/forum/#!topic/opencv-gsoc-2014/zqkuJQr9hpQ

В оригинальном пейпере Histograms of Oriented Gradients for Human Detection описывается большей частью только сам дескриптор HOG, а подробности тренировки классификатора нет. Во-первых после вырезания positive(pedestrians) и negative(background) примеров мы получаем так называемый unbalanced dataset, который SVM не любит и если мы тупо туда всё запихнем то получим неплохой accuracy score(но на самом деле это будет означать, что мы все классифицируем как background, а так как у нас background'а большинство, то и accuracy score у нас получается большой, но это никак нам не помогает детектировать пешеходов) Тут обзор как с этим бороться, самый простой метод это undersample и oversample http://www.slideshare.net/dalpozz/racing-for-unbalanced-methods-selection пример как введение весов для несбалансированных классов смещает гиперплоскость. http://scikit-learn.org/stable/auto_examples/svm/plot_separating_hyperplane_unbalanced.html Потом как управлять пропорцией: True positive \ False positive \ False negative \ True negative ? т.е. допустим лучше всё таки найти пешехода и что то лишнее, чем не найти ничего. Был ли прогон алгоритмов opencv на стандартных датасетах для pedestrian detection (INRIA person dataset, Caltech Pedestrian Dataset, etc.)? Там показаны графики average miss-rate % http://rodrigob.github.io/are_we_there_yet/build/