OpenCV SVM 训练数据集
OpenCV SVM training dataset
假设我有一个包含大约 350 张正面图像和 400 多张负面图像的数据集。它们的大小不一样。它们的尺寸也大于 640x320。
我应该怎么做才能创建更好的数据集？我需要图像更小吗？如果是，为什么？
我应该对数据集应用一些规范化吗？应该是什么（对比度，降噪）？
我可以使用现有数据集创建更大的数据集吗？如果是，如何？
提前致谢！
- 图像的最佳尺寸是您可以轻松地将对象分类
你自己。
- 是的，归一化后分类器效果更好，有
选项。最流行的方法是中心数据集（减去均值）和归一化范围
值在 [-1:1] 范围内。其他流行的归一化方式类似于之前的归一化标准偏差（在大多数情况下更可取）。
- 是的，您可以通过添加
现有数据集中的图像失真和噪声。
查看 INRIA 数据集及其对如何 "normalized" HoG 人物检测训练的输入图像的评论。
http://pascal.inrialpes.fr/data/human/
尚未提及的一件事是，对于大多数检测技术而言，仅收集一组 n 个图像并在该图像中包含所需对象 "somewhere" 是不够的。相反，您应该在对象周围裁剪该图像（带有一些边框）。
例如对于人员检测，他们使用了这个输入图像：
但他们对这些区域（对象）进行了裁剪和重新缩放（并转换）：
论文中可能也有一些关于训练的好提示：
http://lear.inrialpes.fr/people/dalal/NavneetDalalThesis.pdf
假设我有一个包含大约 350 张正面图像和 400 多张负面图像的数据集。它们的大小不一样。它们的尺寸也大于 640x320。
我应该怎么做才能创建更好的数据集？我需要图像更小吗？如果是，为什么？
我应该对数据集应用一些规范化吗？应该是什么（对比度，降噪）？
我可以使用现有数据集创建更大的数据集吗？如果是，如何？
提前致谢！
- 图像的最佳尺寸是您可以轻松地将对象分类 你自己。
- 是的，归一化后分类器效果更好，有 选项。最流行的方法是中心数据集（减去均值）和归一化范围 值在 [-1:1] 范围内。其他流行的归一化方式类似于之前的归一化标准偏差（在大多数情况下更可取）。
- 是的，您可以通过添加 现有数据集中的图像失真和噪声。
查看 INRIA 数据集及其对如何 "normalized" HoG 人物检测训练的输入图像的评论。
http://pascal.inrialpes.fr/data/human/
尚未提及的一件事是，对于大多数检测技术而言，仅收集一组 n 个图像并在该图像中包含所需对象 "somewhere" 是不够的。相反，您应该在对象周围裁剪该图像（带有一些边框）。
例如对于人员检测，他们使用了这个输入图像：
但他们对这些区域（对象）进行了裁剪和重新缩放（并转换）：
论文中可能也有一些关于训练的好提示： http://lear.inrialpes.fr/people/dalal/NavneetDalalThesis.pdf