Я скорректировал размер всех положительных образцов одинакового размера, поэтому отрицательные образцы имеют одинаковый размер положительных.Для обнаружения автомобиля, отрицательные образцы имеют одинаковый размер положительных образцов?
Как правило, при обнаружении объектов вы перемещаете окно поиска фиксированного размера по вашему изображению, создавая ответные функции. Затем классификатор сравнивает ответы с обученной моделью и сообщает о близости этих двух. Мы полагаемся на то, что такие же объекты будут вызывать подобные характеристики. По этой причине вы хотите, чтобы ваши положительные данные имели одинаковый размер в каждом скользящем окне, иначе ответы будут разными, и вы не добьетесь хороших совпадений.
Когда вы тренируетесь по отрицательным данным, вы даете примеры ответов классификатора, которые обычно не имеют ничего общего, так как алгоритм учится разбивать ваши данные. Неважно, каковы размеры ваших изображений, потому что вы будете использовать одно и то же скользящее окно. Важно то, что данные захвачены этим окном - он должен представлять данные, которые вы будете использовать во время выполнения. Я имею в виду, что скользящее окно не должно содержать слишком много или мало деталей. Вы действительно не хотите снимать полноэкранную фотографию, уменьшать ее до 320x240, а затем тренироваться на ней. Ваше скользящее окно захватит слишком много информации. То же самое касается получения меньшего подмножества сцены и продувки до 1280x960. Теперь информации слишком мало.
С учетом всего сказанного, однако, в реальном мире все сложнее и проще. Вы столкнетесь с объектами разного размера; поэтому вы должны иметь возможность обрабатывать их в разных масштабах. Таким образом, ваш классификатор должен выполнять поиск по нескольким шкалам, тем самым делая размер изображения несущественным. Помните, что это то, что находится в скользящем окне. И: мусор в = мусор. Убедитесь, что ваши данные выглядят хорошо.
Редактировать: http://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html Но каждое изображение должно быть (но не обязательно) большим, чем размер окна обучения, поскольку эти изображения используются для подвыборки отрицательного изображения в размере обучения.
Как насчет большого количества изображений, которые я должен использовать для обучения? У меня уже около 10 000 негативных изображений и около 7000 положительных изображений того же размера и формата. Что вы думаете? – Elhamshary
Короткий ответ заключается в том, что количество учебных данных звучит разумно. Долгий ответ - это зависит от того, какую точность вы пытаетесь достичь и какие условия работы вы пытаетесь покрыть. Если все, что вы делаете, работает над новой функцией, то наличие меньшего, но разнообразного набора данных поможет вам быстрее тренироваться. Если вам нужна высокая точность в разных условиях/освещении/углах, вы хотите много и много разнообразных данных - это не поможет иметь 7000 изображений одного и того же автомобиля (я преувеличиваю), поскольку вы просто научитесь находить, что конкретный автомобиль и ваш классификатор не будут хорошо обобщаться. – autonomy
Теперь я перехожу к использованию глубокого обучения для обнаружения, действительно ли размер изображений имеет значение при глубоком изучении? – Elhamshary
Вы имеете в виду относительный размер транспортных средств в вашем раздвижном окне? – autonomy
№ отрицательных изображений не содержит транспортных средств. Мой вопрос заключается в том, должен ли размер изображений иметь одинаковый размер. – Elhamshary