ນີ້ແມ່ນຄໍາສັ່ງ opencv_haartraining ທີ່ສາມາດດໍາເນີນການໄດ້ໃນ OnWorks ຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີໂດຍໃຊ້ຫນຶ່ງໃນຫຼາຍໆບ່ອນເຮັດວຽກອອນໄລນ໌ຂອງພວກເຮົາເຊັ່ນ Ubuntu Online, Fedora Online, Windows online emulator ຫຼື MAC OS online emulator
ໂຄງການ:
NAME
opencv_haartraining - ການຈັດປະເພດການຝຶກອົບຮົມ
ສະຫຼຸບສັງລວມ
opencv_haartraining [ທາງເລືອກ]
ລາຍລະອຽດ
opencv_haartraining ແມ່ນການຝຶກອົບຮົມການຈັດປະເພດ. ໃນຂະນະທີ່ມັນກໍາລັງແລ່ນ, ເຈົ້າສາມາດໄດ້ຮັບແລ້ວ
ປະທັບໃຈ, ບໍ່ວ່າຈະເປັນການຈັດປະເພດຈະເຫມາະສົມຫຼືຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະປັບປຸງ
ຊຸດການຝຶກອົບຮົມ ແລະ/ຫຼື ຕົວກໍານົດການ.
ໃນຜົນຜະລິດໄດ້:
'POS:' ສະແດງໃຫ້ເຫັນ hitrate ໃນຊຸດຂອງຕົວຢ່າງການຝຶກອົບຮົມ (ຄວນຈະເທົ່າກັບຫຼືຢູ່ໃກ້ກັບ 1.0 as
ໃນຂັ້ນຕອນທີ 0)
'NEG:' ຊີ້ໃຫ້ເຫັນອັດຕາການປຸກທີ່ບໍ່ຖືກຕ້ອງ (ຄວນຈະບັນລຸຢ່າງຫນ້ອຍ 5 * 10-6 ເພື່ອເປັນການນໍາໃຊ້ໄດ້
ການຈັດປະເພດສໍາລັບຄໍາຮ້ອງສະຫມັກຂອງໂລກທີ່ແທ້ຈິງ)
ຖ້າຫນຶ່ງຂອງຄ່າຂ້າງເທິງນີ້ໄດ້ຮັບ 0 (ສູນ) ມີ overflow ໄດ້. ໃນກໍລະນີດັ່ງກ່າວນີ້, ບໍ່ຖືກຕ້ອງ
ອັດຕາການປຸກແມ່ນຕໍ່າຫຼາຍ, ການຝຶກອົບຮົມຕື່ມອີກບໍ່ມີຄວາມຫມາຍອີກຕໍ່ໄປ, ດັ່ງນັ້ນມັນກໍ່ເປັນໄປໄດ້
ຢຸດ.
OPTIONS
opencv_haartraining ສະຫນັບສະຫນູນທາງເລືອກດັ່ງຕໍ່ໄປນີ້:
- ຂໍ້ມູນ dir_name
ໄດເລກະທໍລີທີ່ຕົວຈັດປະເພດທີ່ໄດ້ຮັບການຝຶກອົບຮົມຖືກເກັບໄວ້.
-vec vec_file_name
ຊື່ໄຟລ໌ຂອງໄຟລ໌ຕົວຢ່າງໃນທາງບວກ (ເຊັ່ນ: ສ້າງໂດຍ
opencv_creates ຕົວຢ່າງ(1) ປະໂຫຍດ).
-bg background_file_name
ໄຟລ໌ຄໍາອະທິບາຍພື້ນຖານ (ຊຸດຕົວຢ່າງທາງລົບ). ມັນປະກອບດ້ວຍບັນຊີລາຍຊື່ຂອງ
ຮູບພາບທີ່ມີການບິດເບືອນແບບສຸ່ມຂອງວັດຖຸແມ່ນໄດ້ວາງໃນທາງບວກ
ການຜະລິດຕົວຢ່າງ.
-bg-vecfile
ຕົວເລືອກນີ້ແມ່ນວ່າ bgfilename ເປັນຕົວແທນຂອງໄຟລ໌ vec ທີ່ມີຄ່າລົບແຍກກັນ. ໄດ້
ມາດຕະຖານແມ່ນ ບໍ່ ທີ່ກໍານົດໄວ້.
- ບໍ່ number_of_positive_samples
ຈໍານວນຂອງຕົວຢ່າງທາງບວກນໍາໃຊ້ໃນການຝຶກອົບຮົມຂອງແຕ່ລະຂັ້ນການຈັດປະເພດ. ໄດ້
ມາດຕະຖານແມ່ນ 2000.
- ນ number_of_negative_samples
ຈໍານວນຂອງຕົວຢ່າງທາງລົບນໍາໃຊ້ໃນການຝຶກອົບຮົມຂອງແຕ່ລະຂັ້ນການຈັດປະເພດ. ໄດ້
ມາດຕະຖານແມ່ນ 2000.
ຄຸນຄ່າທີ່ສົມເຫດສົມຜົນແມ່ນ - ບໍ່ 7000 - ນ 3000.
- ຂັ້ນຕອນ number_of_stage
ຈໍານວນຂອງຂັ້ນຕອນທີ່ຈະໄດ້ຮັບການຝຶກອົບຮົມ. ຄ່າເລີ່ມຕົ້ນແມ່ນ 14.
- ແຍກ number_of_splits
ກໍານົດຕົວຈັດປະເພດທີ່ອ່ອນແອທີ່ໃຊ້ໃນການຈັດປະເພດຂັ້ນຕອນ. ຖ້າມູນຄ່າແມ່ນ
1, ຫຼັງຈາກນັ້ນເປັນຕົວຈັດປະເພດເຫງົ້າທີ່ງ່າຍດາຍຖືກນໍາໃຊ້
> = 2, ຫຼັງຈາກນັ້ນຈັດປະເພດ CART ກັບ number_of_splits ພາຍໃນ (ແຍກ) nodes ຖືກນໍາໃຊ້
ຄ່າເລີ່ມຕົ້ນແມ່ນ 1.
-mem memory_in_MB
ຫນ່ວຍຄວາມຈໍາທີ່ມີຢູ່ໃນ MB ສໍາລັບການຄິດໄລ່ລ່ວງໜ້າ. ຄວາມຊົງຈໍາຫຼາຍທ່ານມີໄວເທົ່າໃດ
ຂະບວນການຝຶກອົບຮົມແມ່ນ. ຄ່າເລີ່ມຕົ້ນແມ່ນ 200.
-sym, - nonsym
ລະບຸວ່າຫ້ອງຮຽນວັດຖຸພາຍໃຕ້ການຝຶກອົບຮົມມີຄວາມສົມມາດຕາມແນວຕັ້ງຫຼືບໍ່.
symmetry ລວງຕັ້ງເລັ່ງຂະບວນການຝຶກອົບຮົມແລະຫຼຸດຜ່ອນການນໍາໃຊ້ຫນ່ວຍຄວາມຈໍາ. ສໍາລັບ
ຕົວຢ່າງ, ໃບຫນ້າດ້ານຫນ້າສະແດງໃຫ້ເຫັນຄວາມສົມມາດໃນແນວຕັ້ງ. ຄ່າເລີ່ມຕົ້ນແມ່ນ -sym.
- minhitrate min_hit_rate
ອັດຕາການຕີທີ່ຕ້ອງການໜ້ອຍທີ່ສຸດສຳລັບແຕ່ລະຕົວຈັດປະເພດຂັ້ນຕອນ. ອັດຕາການຕີໂດຍລວມອາດຈະເປັນ
ຄາດຄະເນເປັນ min_hit_rate^number_of_stages. ຄ່າເລີ່ມຕົ້ນແມ່ນ 0.950000.
-maxfalsealarm ສູງສຸດ_false_alarm_rate
ອັດຕາການປຸກທີ່ບໍ່ຖືກຕ້ອງທີ່ຕ້ອງການສູງສຸດສໍາລັບແຕ່ລະຕົວຈັດປະເພດຂັ້ນຕອນ. ສັນຍານເຕືອນທີ່ບໍ່ຖືກຕ້ອງໂດຍລວມ
ອັດຕາອາດຈະຖືກຄາດຄະເນເປັນ ສູງສຸດ_false_alarm_rate^number_of_stages. ຄ່າເລີ່ມຕົ້ນແມ່ນ
0.500000.
- ຕັດນ້ໍາຫນັກ weight_trimming
ລະບຸວ່າຄວນໃຊ້ການຕັດນ້ຳໜັກເທົ່າໃດ. ຄ່າເລີ່ມຕົ້ນແມ່ນ
0.950000. ເປັນທາງເລືອກທີ່ເຫມາະສົມ 0.900000.
-eqw ລະບຸວ່ານ້ຳໜັກເບື້ອງຕົ້ນຂອງຕົວຢ່າງທັງໝົດຈະເທົ່າກັນຫຼືບໍ່.
-ຮູບແບບການ {BASIC|CORE|ທັງຫມົດ}
ເລືອກປະເພດຂອງຄຸນສົມບັດ haar ທີ່ກໍານົດໄວ້ໃນການຝຶກອົບຮົມ. BASIC ໃຊ້ພຽງແຕ່ຕັ້ງຊື່
ຄຸນນະສົມບັດ, ໃນຂະນະທີ່ CORE ໃຊ້ຄຸນສົມບັດເຕັມທີ່ຕັ້ງຊື່ແລະ ທັງຫມົດ ໃຊ້ຊຸດເຕັມຂອງ
ຕັ້ງຊື່ແລະ 45 ອົງສາ rotated ຄຸນນະສົມບັດທີ່ກໍານົດໄວ້. ຄ່າເລີ່ມຕົ້ນແມ່ນ BASIC.
ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບເລື່ອງນີ້ເບິ່ງ http://www.lienhart.de/ICIP2002.pdf.
-h sample_height
ຄວາມສູງຂອງຕົວຢ່າງ (ຕ້ອງມີມູນຄ່າດຽວກັນກັບການນໍາໃຊ້ໃນລະຫວ່າງການສ້າງ). ຄ່າເລີ່ມຕົ້ນ
is 24.
-w sample_width
ຄວາມກວ້າງຂອງຕົວຢ່າງ (ຕ້ອງມີມູນຄ່າດຽວກັນກັບການນໍາໃຊ້ໃນລະຫວ່າງການສ້າງ). ຄ່າເລີ່ມຕົ້ນ
is 24.
-bt {ຕູ້ເອທີເອັມ|RAB|LB|Gab}
ປະເພດຂອງສູດການກະຕຸ້ນທີ່ນຳໃຊ້. ທ່ານສາມາດເລືອກເອົາລະຫວ່າງ Discrete
AdaBoost (ຕູ້ເອທີເອັມ), ແທ້ຈິງ AdaBoost (RAB), LogitBoost (LB) ແລະ Gentle AdaBoost (Gab) The
ມາດຕະຖານແມ່ນ Gab.
- ຜິດພາດ {ຫ້ອງຮຽນຜິດ|ຈີນີ|entropy}
ປະເພດຂອງຄວາມຜິດພາດທີ່ໃຊ້ຖ້າ Discrete AdaBoost (-bt ຕູ້ເອທີເອັມ) algorithm ຖືກນໍາໃຊ້. ໄດ້
ມາດຕະຖານແມ່ນ ຫ້ອງຮຽນຜິດ.
- ສູງສຸດທີ່ເຄຍ max_number_of_splits_in_tree_cascade
ຈໍານວນສູງສຸດຂອງການແຕກອອກໃນ cascade ຕົ້ນໄມ້. ຄ່າເລີ່ມຕົ້ນແມ່ນ 0.
- minpos min_number_of_positive_samples_per_cluster
ຈຳນວນຕົວຢ່າງທີ່ເປັນບວກໜ້ອຍສຸດຕໍ່ກຸ່ມ. ຄ່າເລີ່ມຕົ້ນແມ່ນ 500.
ຂໍ້ມູນດຽວກັນແມ່ນສະແດງໃຫ້ເຫັນ, ຖ້າ opencv_haartraining ເອີ້ນວ່າໂດຍບໍ່ມີການໃດໆ
ການໂຕ້ຖຽງ / ທາງເລືອກ.
ຕົວຢ່າງ
ທັງ ໝົດ
ໃຊ້ opencv_haartraining ອອນໄລນ໌ໂດຍໃຊ້ບໍລິການ onworks.net
