2016年09月__苏_

原创 adaboost训练之强分类器训练原理

最近看opencv中adaboost训练强分类器源码，记录下自己对adaboost训练强分类器的原理理解。adaboost训练强分类器的基本流程： 1、初始化训练样本的类别与权重分布。 2、迭代循环训练弱分类器。 3、将每次循环训练成的弱分类器与已经存在的弱分类器组成的强分类器。 4、根据当前强分类器计算正样本置信度，根据传入参数minhitrate来取得强分类器阈值。 5、用当前强分类器

2016-09-30 16:14:49 7602 1

原创 adaboost训练之弱分类器训练的opencv源码详解 2

接着上一个博客http://blog.csdn.net/lanxuecc/article/details/52688605在弱分类器训练的主体函数cvCreateCARTClassifier中我们看到主要是调用cvCreateMTStumpClassifier函数来训练得到弱分类器的结点，下面注释下这个函数/* * cvCreateMTStumpClassifier * * Multithre

2016-09-28 11:26:53 2383

原创 adaboost训练之弱分类器训练的opencv源码详解 1

adaboost训练弱分类器的原理见上一个博客：：http://blog.csdn.net/lanxuecc/article/details/52681525 opencv中adaboost训练弱分类器的主体代码是函数cvCreateCARTClassifier，这个函数通过大致逻辑是：1、通过调用训练结点函数cvCreateMTStumpClassifier来创建根结点 2、在要求弱分类器特征

2016-09-28 10:52:07 2114

二叉决策树介绍二叉决策树由LeoBreiman和他的同事提出.他们称之为"分类和回归树(CART)".OpenCV实现的就是"分类回归树".简单地说，二叉决策树的每个结点表示对对象做判断的一个特征属性，将对象提供的属性值与该结点提供的属性值做对比，例如，判断一辆车是否是小汽车我们选择第一个结点为车子的轮子个数这个属性，如果有4个轮子表示有可能是的小汽车，如果没有则不可能是。这个结点的左右分支分别代表

2016-09-27 15:57:53 14685 1

原创 adaboost训练之参数详解

利用adaboost训练人脸分类器时，主要做几件事，准备正负样本，生成正样本pos.vec文件，生成负样本列表文件，训练等，具体可以看这几个博客： http://blog.csdn.net/u013355191/article/details/40381107，这里不赘述。记录下我在研究过程理解的，生成正样本程序CreateSamples.exe以及训练程序opencv_haartraining.

2016-09-20 16:23:42 7463 8

原创用caffe训练好的lenet_iter_10000.caffemodel测试单张mnist图片

接上个博客：http://blog.csdn.net/lanxuecc/article/details/52474476，前面已经生成了deploy.proto.txt。下面具体记录用lenet_iter_10000.caffemodel测试图片。准备一张手写数字图片注意在depoy.prototxt文件中指定正确的该图片的通道数。准备一个均值文件因为classify.py中的测试接口caffe.C

2016-09-09 14:05:09 15317 43

原创 caffe生成lenet-5的deploy.prototxt文件

接前面博客：http://blog.csdn.net/lanxuecc/article/details/52329708 我学会了用caffe训练自己的测试自己的图片，但是这里测试的是测试数据集，那么如何用训练好的caffemodel测试自己的单张图片呢。下面记录下我用训练好的lenet_iter_10000.caffemodelg来测试mnist图片的整个摸索过程：：：：生成deploy.prot

2016-09-09 10:06:37 21729 15

苏的专栏