Я пытаюсь обнаружить игроков в футбольной игре с javacv, используя HOG Descriptor. Я уже реализовал метод с детекторами людей по умолчанию, но результаты не удовлетворяют. Итак, я извлек положительные и отрицательные изображения, и я хочу извлечь функции с помощью этих изображений. У кого-нибудь есть идеи о том, как это сделать, пожалуйста? Благодаря!Извлечь функции HOG Descriptor
0
A
ответ
2
Вы на самом деле реализуете идею, опубликованную в этом paper.
An (расширенный) пример кода можно найти на UCI
Резюмируя:
- Вы должны генерировать положительный и отрицательный набор тренировки. Это означает, что в позитивных учебных изображениях вы должны знать, где находятся игроки.
- Затем вам нужно извлечь функции HoG в положение игроков. Обратите внимание, что оригинальный метод HoG принимает вводные исправления размером 128x64, поэтому убедитесь, что ваши игроки масштабированы до одного размера. И важно: размер функции HoG зависит от размера окна экстракции, поэтому держите его исправленным! Сохраните информацию в структуре данных с соответствующей меткой 1.
- Затем извлеките отрицательные объекты из отрицательных изображений и сохраните их с соответствующей меткой 0 или -1.
- Используйте некоторые методы обучения. В настоящее время я работаю с линейной машиной векторной поддержки, подобной liblinear: SVM
- Затем используйте тестовый набор, чтобы убедиться, что вы получаете правильные результаты. Для тестирования используйте скользящее окно и перемещайте его по всему изображению и оценивайте извлеченные функции. Возьмите лучший результат, поскольку, скорее всего, игрок находится там.
- Если вы хотите обнаружить нескольких игроков в одном изображении, используйте не максимальное подавление.
Примечание: функции HoG довольно сложно обрабатывать, так как небольшие изменения в извлечении могут оказать большое влияние на производительность. Например, openCV поставляется с детектором HoG (недокументированным). HoG visualization помог мне понять, как это работает.
EDIT: фиксированный Hog визуализация ссылка
Смежные вопросы
- 1. Hog descriptor emgu cv
- 2. HOG Descriptor using Python + OpenCV
- 3. HOG Извлечение функции
- 4. Вычислительные функции HOG
- 5. Понимание особенностей функции HOG
- 6. Расчет размера функции HOG
- 7. HOG функции код визуализации MATLAB
- 8. Функции HOG на разных шкалах
- 9. извлечения признаков VLFeat HOG
- 10. Особенности HoG только для блоков
- 11. Как добавить функции HOG в матрицу (matlab)
- 12. Получите размер вектор-функции HOG - MATLAB
- 13. гистограмма ориентированных градиентов (HOG) функции matlab
- 14. Уменьшение размерности в вектор-функции HOG
- 15. Быстрая реализация функции HOG Feature Extraction?
- 16. Python `descriptor`
- 17. Уменьшить ложное срабатывание в HOG
- 18. быстрый способ извлечь HOG из скользящего окна изображения в Matlab
- 19. HOG Feature Извлечение арабских изображений линии
- 20. Найдите позицию отдельной области, между двумя изображениями, используя функции HOG.
- 21. Hog detectmultiscale slow
- 22. Визуализация функций HOG MATLAB
- 23. Использование hog-реализации opencv
- 24. OpenCV 3 HOG Обнаружение уверенности?
- 25. dup2 bad file descriptor
- 26. Maven Custom Plugin Descriptor
- 27. Golang bad file descriptor
- 28. bad file descriptor fileno
- 29. bad file descriptor C
- 30. Duplicating epoll file descriptor
Спасибо за ваш ответ, но я просто хочу знать, когда вы говорили о создании положительного и отрицательного обучающего набора, вы имеете в виду, что я должен извлечь особенности свиней от негатива и положительные образцы, как показано ниже: http://thebrainiac1.blogspot.com/2012/07/v-behaviorurldefaultvmlo.html – Synda
Точно. Вы извлекаете положительные характеристики HoG на (известных) позициях лиц. Отрицательные черты извлекаются в любой позиции негативных изображений (если на них нет людей). Если у вас есть люди с отрицательным набором данных, убедитесь, что вы не извлеките возможности человека, это завинчило бы все это. – LSA
Ссылка на визуализацию свиней нарушена. :( –