opencv训练 opencv_haartraining.exe

简简归

于 2017-08-28 16:50:55 发布

阅读量1.5k

点赞数

分类专栏： opencv 文章标签： opencv

opencv 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

原文链接：http://www.cnblogs.com/wengzilin/p/3845271.html

	http://www.cnblogs.com/wengzilin/p/3849118.html

	http://blog.csdn.net/sgamble/article/details/52890637

-data 指定生成的文件目录， 
-vec vec文件名， 
-bg 负样本描述文件名称，也就是负样本的说明文件(.dat) 
-nstage 20 指定训练层数，推荐15~20，层数越高，耗时越长。
-nsplits 分裂子节点数目,选取默认值 2 
-minhitrate 最小命中率，即训练目标准确度。
-maxfalsealarm最大虚警(误检率)，每一层训练到这个值小于0.5时训练结束，进入下一层训练，
-npos 在每个阶段用来训练的正样本数目，
-nneg在每个阶段用来训练的负样本数目 这个值可以设置大于真正的负样本图像数目，程序可以自动从负样本图像中切割出和正样本大小一致的,这个参数一半设置为正样本数目的1~3倍 -w -h样本尺寸，与前面对应 -mem 程序可使用的内存，这个设置为256即可，实际运行时根本就不怎么耗内存，以MB为单位 -mode ALL指定haar特征的种类，BASIC仅仅使用垂直特征，ALL表示使用垂直以及45度旋转特征

-sym或者-nonsym，后面不用跟其他参数，用于指定目标对象是否垂直对称，若你的对象是垂直对称的，比如脸，则垂直对称有利于提高训练速度
其中要注意，负样本使用的是.dat文件，而不是.vec文件。

训练结束后会在data目录下生成0-N的子目录


参数解释：

  
  
   
   BACKGROUNG PROCESSING TIME 是负样本切割时间，一般会占用很长的时间
  
  
  
  
   
   N 为训练层数
  
  
  
  
   
   %SMP 样本占总样本个数
  
  
  
  
   
   ST.THR 阈值，
  
  
  
  
   
   HR 击中率，
  
  
  
  
   
   FA 虚警，只有当每一层训练的FA低于你的命令中声明的maxfalsealarm数值才会进入下一层训练
  
  
  
  
   
   EXP.ERR 经验错误率
  
  
	
N：层数  %
SMP：样本的使用率 
F : +表示通过翻转，否则是-
ST.THR : 分类器的阈值 
HR：当前分类器 对正样本识别正确的概率
FA：当前分类器 对负样本识别错误的概率
EXP.ERR : 分类器的期望错误率

合并子分类器生成xml文件

输入命令：

    
          haarconv.exe ./cascade haar_adaboost.xml 25 25

若你使用的是convert_cascade.exe则是另外一种格式：

    
          convert_cascade.exe --size= 
          "20x20"  
          ..\cascade haar_adaboost.xml

想知道用法可以输入xxx.exe usage，用法以及参数说明一目了然

总结以及注意事项

看起来很简单是不是，你错了！真正做起来会有各种各样的错误发生让你措手不及。以下是我总结的问题及分析：

1）训练时间非常久，少则秒钟，多则几天甚至一礼拜。具体的时间跟你样本的选取、样本数量、机器的性能有着直接联系。举个例子，有人正样本7097负样本2830，在8核3.2Ghz的机器上，开启了多核并行加速(MP)的情况下训练了一周时间，跑到19层。链接http://blog.csdn.net/liulina603/article/details/8197889 。这个真心有点久了，有点夸张。举这个例子是想跟你说明，这是一件耗时间的事情，所以请你耐心等待。

2）卡死在某一层，好像进入死循环。这种情况一般跟样本的选择有关，尤其是负样本。当剩下所有的negtive样本在临时的cascade Classifier中evaluate的结果都是0（也就是拒绝了），随机取样本的数目到几百万都是找不到误检测的neg样本了，因而没法跳出循环！

解决方法是，增大负样本数目，增大负样本之间的变化!

3）训练带某一层出错，报错提示下图。查看cascade目录下发现确实走到第5层。这种情况跟上一种情况其实有点类似，都是opencv_haartraining.exe无法正常terminate。而我们的关注点在于，所生成的这些子分类器能用吗？要依实际情况而定。拿下图来说，在第5层的时候FA已经很低了，0.125000，说明效果已经够用。2）中也是这个道理。

附上参考资料，看这些就够，网上资料太多容易让人看花眼！

http://blog.csdn.net/think_embed/article/details/9959569

http://www.docin.com/p-80649093.html

http://jingyan.baidu.com/article/4dc40848f50689c8d946f197.html

http://blog.csdn.net/carson2005/article/details/8171571

objectMarker下载链接【20151218更新】

http://download.csdn.net/download/lglgaigogo/1197957

http://blog.csdn.net/xidianzhimeng/article/details/10470839
http://blog.csdn.net/xidianzhimeng/article/details/42147601
http://www.cnblogs.com/chensheng-zhou/p/5542887.html
http://blog.sina.com.cn/s/blog_5f853eb10100sdgn.html
http://blog.csdn.net/ding977921830/article/details/46723027
http://blog.csdn.net/u011583927/article/details/44892249