【模型开源】Cascade级联分类器车辆检测+训练方法(无误检)
目的
记录一下关于利用Cascade训练车辆检测的项目。这篇博客只记录关于Cascade分类器的一些训练、使用心得,不涉及到理论。处理速度:七百万像素的视频中加上一些判断条件在40 fps左右。可以用来实时处理图像。下图是其中之一的训练效果。
这里训练只检测小车,项目关系的原因只能允许漏检不能误检,一般到近处都会检测到,且检测框不会跳动。
训练心得
经过各种版本的对照试验,总结出了一些实际经验。
1.负样本集与正样本集完全无关最好。如果训练的是车,那么按照理论来说,负样本集应该是路边或者栅栏、树的一些图片最好(用来剔除正样本集中的负样本),实际操作经验并不是。按照原理论我制作了道路场景的负样本集1800张,但是最后的结果是车也框,路面也框,车和路面检测器傻傻分不清。后来用了各种与道路无关的负样本集之后训练结果才不会误检。
2.制作正样本集时,不能将车的边缘轮廓给框进去。Cascade是根据梯度特征进行训练的,猜测若是追求正样本无噪声