opencv_haartraining - Trực tuyến trên đám mây

CHƯƠNG TRÌNH:

TÊN

opencv_haartraining - trình phân loại huấn luyện

SYNOPSIS

opencv_haarttraining [tùy chọn]

MÔ TẢ

opencv_haarttraining đang đào tạo bộ phân loại. Trong khi nó đang chạy, bạn đã có thể nhận được
một lần hiển thị, liệu bộ phân loại có phù hợp không hoặc nếu bạn cần cải thiện
tập huấn luyện và / hoặc các tham số.

Trong đầu ra:

'máy bán hàng:'hiển thị tốc độ truy cập trong tập hợp các mẫu đào tạo (phải bằng hoặc gần bằng 1.0 as
trong giai đoạn 0)

'phủ định:'cho biết tỷ lệ báo động giả (ít nhất phải đạt đến 5 * 10-6 có thể sử dụng được
phân loại cho các ứng dụng trong thế giới thực)

Nếu một trong các giá trị trên nhận được 0 (không) có một tràn. Trong trường hợp này là sai
tỷ lệ báo động quá thấp nên việc đào tạo thêm không còn ý nghĩa nữa, vì vậy có thể
dừng lại

LỰA CHỌN

opencv_haarttraining hỗ trợ các tùy chọn sau:

-dữ liệu tên_thư mục
Thư mục chứa trình phân loại được đào tạo.

-vec vec_file_name
Tên tệp của tệp mẫu dương tính (ví dụ: được tạo bởi
opencv_createsamples(1) tiện ích).

-bg nền_file_name
Tệp mô tả nền (bộ mẫu phủ định). Nó chứa một danh sách
các hình ảnh trong đó các phiên bản bị bóp méo ngẫu nhiên của đối tượng được dán để có giá trị tích cực
tạo mẫu.

-bg-vecfile
Tùy chọn này là bgfilename đại diện cho một tệp vec với các âm bản rời rạc. Các
mặc định là không định.

-npos số_mẫu_tích cực
Số lượng mẫu dương tính được sử dụng trong đào tạo của mỗi giai đoạn phân loại. Các
mặc định là 2000.

-neg số_of_âm_mẫu
Số lượng mẫu âm được sử dụng trong đào tạo của mỗi giai đoạn phân loại. Các
mặc định là 2000.

Giá trị hợp lý là -npos 7000 -neg 3000.

-các giai đoạn số_của_giai đoạn
Số lượng các giai đoạn sẽ được đào tạo. Mặc định là 14.

-splits số_of_splits
Xác định bộ phân loại yếu được sử dụng trong bộ phân loại giai đoạn. Nếu giá trị là

1, sau đó một bộ phân loại gốc đơn giản được sử dụng

> = 2, sau đó phân loại CART với số_of_splits các nút nội bộ (tách) được sử dụng

Mặc định là 1.

-mình bộ nhớ_in_MB
Bộ nhớ khả dụng trong MB để tính toán trước. Bạn càng có nhiều bộ nhớ thì càng nhanh
quá trình đào tạo là. Mặc định là 200.

-mạch, -không đồng nghĩa
Chỉ định xem lớp đối tượng được huấn luyện có đối xứng dọc hay không.
Đối xứng dọc tăng tốc quá trình đào tạo và giảm mức sử dụng bộ nhớ. Vì
ví dụ, các mặt chính diện thể hiện sự đối xứng theo chiều dọc. Mặc định là -sym.

-minhtrat min_hit_rate
Tỷ lệ truy cập mong muốn tối thiểu cho từng bộ phân loại giai đoạn. Tỷ lệ truy cập tổng thể có thể là
ước tính như min_hit_rate ^ number_of_stages. Mặc định là 0.950000.

-maxfalseaarm max_false_alarm_rate
Tỷ lệ cảnh báo sai mong muốn tối đa cho từng bộ phân loại giai đoạn. Báo động sai tổng thể
tỷ lệ có thể được ước tính là max_false_alarm_rate ^ number_of_stages. Mặc định là
0.500000.

-trọng lượng trọng_trimming
Chỉ định xem có nên sử dụng phương pháp cắt bớt trọng lượng hay không. Mặc định là
0.950000. Một sự lựa chọn tốt là 0.900000.

-eqw Chỉ định xem trọng lượng ban đầu của tất cả các mẫu có bằng nhau hay không.

-chế độ {BASIC|CORE|TẤT CẢ CÁC}
Chọn loại bộ tính năng haar được sử dụng trong đào tạo. BASIC chỉ sử dụng thẳng đứng
các tính năng, trong khi CORE sử dụng toàn bộ bộ tính năng thẳng đứng và TẤT CẢ CÁC sử dụng toàn bộ
bộ tính năng thẳng đứng và xoay 45 độ. Mặc định là BASIC.

Để biết thêm thông tin về điều này, hãy xem http://www.lienhart.de/ICIP2002.pdf.

-h chiều cao mẫu
Chiều cao mẫu (phải có cùng giá trị được sử dụng trong quá trình tạo). Mặc định
is 24.

-w mẫu_width
Chiều rộng mẫu (phải có cùng giá trị được sử dụng trong quá trình tạo). Mặc định
is 24.

-bt {DAB|RAB|LB|GAB}
Loại thuật toán thúc đẩy được áp dụng. Bạn có thể chọn giữa rời rạc
AdaBoost (DAB), AdaBoost thực (RAB), LogitBoost (LB) và Gentle AdaBoost (GAB). Các
mặc định là GAB.

-err {phân loại sai|như thế này|entropy}
Loại lỗi được sử dụng nếu Discrete AdaBoost (-bt DAB) thuật toán được áp dụng. Các
mặc định là phân loại sai.

-maxtreesplits max_number_of_splits_in_tree_cascade
Số lần tách tối đa trong một tầng cây. Mặc định là 0.

-minpos min_number_of_active_samples_per_cluster
Số lượng mẫu dương tính tối thiểu trên mỗi cụm. Mặc định là 500.

Thông tin tương tự được hiển thị, nếu opencv_haarttraining được gọi mà không có bất kỳ
đối số / tùy chọn.

VÍ DỤ

ALL

Sử dụng opencv_haartraining trực tuyến bằng các dịch vụ onworks.net