训练DLib行人HoG检测器导致检测器表现不佳

Question

3

我一直在尝试使用DLib的训练工具来训练自己的行人检测器（基本上是这个的修改版本：train_object_detector.py）。我尝试使用INRIA和MIT行人数据库，但都没有成功。

我的检测器的可视化结果通常是这样的：

作为参考，DLib附带的面部检测器看起来像这样：

我尝试使用不同的样本大小（5-1000）以及不同的C值（1-1,000,000,000）。

我真的不知道接下来要尝试什么。

- benwiz

2

您在 INRIA 和 MIT 数据库上的训练误差和验证误差分别是多少？ - Amitay Nachmani

1

其他人已经对此进行了训练。https://github.com/sturkmen72/dlib_pedestrian_detection - Evgeniy

@AmitayNachmani非常低。我能想到的大概是测试集0.04左右。训练集则是完美的1。 - benwiz

@Evgeni 谢谢，我看到了 - 它的效果还不错，我很想看看他即将发布的更详细信息。但我不想使用别人的，我想要能够训练自己的模型。 - benwiz

1

Dlib的检测器在姿势变化的情况下不太可靠。行人经常改变他们的姿势。因此，我建议您训练多个检测器并将它们合并成一个，就像dlib的人脸检测器一样。如果您说结果很差，请提供有关您的训练设置、数据集属性和测试结果的完整信息。 - Evgeniy

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sturkmen · Accepted Answer

您可以尝试使用我之前训练的svm文件来进行输出。为了使用它，您需要知道窗口大小。

scanner.set_detection_window_size(48, 96);

您将找到我用来训练检测器的training.xml和图像文件。我将其与OpenCV的HOGDescriptor（默认人体检测器）进行了比较。OpenCV的工作速度较慢，但显然更成功。