opencv ---- opencv_haartraining 训练目标检测模型

opencv ---- opencv_haartraining 训练目标检测模型

1 样本整理
2 训练参数解读
3 测试demo书写

一 目标检测样本整理

1 使用labelimg 标注目标图像的label文件（附labelimg配置文件及教程网址：https://blog.csdn.net/mzpmzk/article/details/78287099）
2 裁剪只包含目标的图片作为正样本，通过计算iou>0.65确定为正样本（可参考mtcnn中 样本生成的方法得到正负局部样本集），还通过调整iou阈值得到一组更准确的训练样本。 两组样本分别进行训练比较结果。
3 正样本vec文件生成：先生成只包含 图像名+1+0+0+size_w+size_h的pos.txt文件 使用opencv_createsamples.exe生成正样本描述vec文件，（详细教程：https://blog.csdn.net/ding977921830/article/details/45914137）
4 负样本只需要neg.txt （绝对路径或者相对路径均可）

opencv_haartraining.exe一定要放在负样本目录下，才能正常开始训练

二 训练参数解读

Usage: opencv_haartraining.exe
-data <dir_name>
-vec <vec_file_name>
-bg <background_file_name>
[-bg-vecfile]
[-npos <number_of_positive_samples = 2000>]
[-nneg <number_of_negative_samples = 2000>]
[-nstages <number_of_stages = 14>]
[-nsplits <number_of_splits = 1>]
[-mem <memory_in_MB = 200>]
[-sym (default)] [-nonsym]
[-minhitrate <min_hit_rate = 0.995000>]
[-maxfalsealarm <max_false_alarm_rate = 0.500000>]
[-weighttrimming <weight_trimming = 0.950000>]
[-eqw]
[-mode <BASIC (default) | CORE | ALL>]
[-w <sample_width = 24>]
[-h <sample_height = 24>]
[-bt <DAB | RAB | LB | GAB (default)>]
[-err <misclass (default) | gini | entropy>]
[-maxtreesplits <max_number_of_splits_in_tree_cascade = 0>]
[-minpos <min_number_of_positive_samples_per_cluster = 500>]
我指定的参数如下：
-data 生成模型的存放地址，训练完成后有同名的xml文件和对应文件夹，文件夹为训练中途突然断掉，后重启继续训练提供之前的训练文件
-vec 正样本vec 文件的路径
-bg 负样本文件的路径
-npos 正样本个数（少于准备的正样本数，最好为全样本数的2/3，训练过程中会剔除不合格的样本，使样本数量逐渐减少）
-nneg 负样本个数 （之前的训练让我觉得 正：负=1：4时比较好，避免模型过拟合）
-nstages 训练层数定义 默认14，（我没有gpu用16层训了一次，，慢到你怀疑人生）
-mem 内存设置，我设置了2048
-w -h 为样本宽高。（不定义参数按默认值进行训练）

三 测试demo及结果分析

首先用小样本(pos 150,neg 250)训了一版目标检测的模型，然后就是调试测试demo了，，，由于变成能力一般，我还是先从网上down了一个基本的检测源码：（http://www.cnblogs.com/mengdd/archive/2012/08/01/2619043.html）
1 出现了无数次模型导入错误的问题，按上文方式没有问题。
2 cvHaarDetectObjects中参数设置问题，我主要修改了待检测的最小尺寸，上模型检测过拟合，只有一个目标的图片会检测出40多个框，后改size之后约束了一下，只检测到四五个，只是为了测试demo结果，后续还应等剩下两组训练完成后测试。组a（pos：300，neg：5000） 组b（pos：2000，neg：10000）