机器学习
文章平均质量分 92
Serious_Tanx
数字图像处理,计算机图形学
展开
-
Haar 特征训练步骤详
一、准备样本阶段事先准备好正样本和负样本。这里只是先用于做Haar特征训练步骤的熟悉用,所以用opencv写了个程序,主要是做图片的变形处理。如旋转和亮度调节等。当然最后检测的效果指定很不好,这里先作为步骤熟悉来用的。我们首先取出一幅图片(以交通标志为例),可在网上下载,然后通过程序,在对这幅图片进行亮度调节和旋转后,得到700多张图片(图片格式设置为bmp或jpg)。我们取出其中的245原创 2016-09-21 09:42:49 · 4607 阅读 · 0 评论 -
机器学习之用Hog+Svm人脸检测、交通标志和字符识别等(初学者)
首先声明,这里主要用svm进行一个简单的二分类,最后得到结果,我们把正样本设为1,负样本设为0。 这里只是一个简单的介绍,后面会有相关详细介绍的链接,个人认为比较好的,对我们比较有帮助的链接,有兴趣的可以去看看。当然,本文对初学者有点帮助,也特别欢迎大神来拍! 训练样本时候问题: 我在训练的时候,用了各种样本,总结了一点自己的经验。如果要是用Haar特征训练时,正负样本大概比至少为1:10时候原创 2016-09-24 10:48:54 · 10670 阅读 · 9 评论 -
机器学习中,从一张图片中提取出感兴趣的区域(以交通标志为例)
在进行机器学习中,不管是用Haar特征,或者是Hog特征,最后进行的不论是adaboost分类,还是svm分类,都只能是检测出待检测的正样本相近的图片。比如,为了提高准确性,我们在进行正样本的训练时,必须把正样本置于整个正样本的大部分中,以交通标志中的禁止驶入为例,如下图的就是正确的正样本之一: 我们可以看到,禁止驶入交通标志占了图片面积的大部分。这在训练时,可以尽可能的减少误差。如下图就是个错误原创 2016-10-23 21:12:17 · 7152 阅读 · 3 评论