<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
基于樹(shù)形檢測器的多標志識別
作者：
時(shí)間：2011-01-11
來(lái)源：網(wǎng)絡(luò )
收藏
外層循環(huán)i=1:N-1
內層循環(huán)結束
p(Selectedidx)=1
將p和其局部最小fp值插入列表；
外層循環(huán)結束
輸出列表中最小fp值對應的比特串。
有了生成的二叉樹(shù)和soft cascade結構，本文基本上完成了多類(lèi)臺標的檢測和識別。其中一個(gè)重要參數是soft cascade的長(cháng)度，如果選擇較短的cascade，檢測器看上去更接近并行cascade結構的檢測器；如果選擇較長(cháng)的cascade，分叉樹(shù)可能要面對很難區分的負樣本，從而降
低檢測性能。本文中，嘗試了很多種不同長(cháng)度的soft cascade，然后挑選性能最好的一個(gè)。算法2如下：
算法2混合分叉樹(shù)分類(lèi)器
輸入：訓練好的soft cascade結構，查詢(xún)樹(shù)，N類(lèi)正樣本數據集S，還有一個(gè)數量很大的背景圖像集B；
輸出：一個(gè)混合分叉樹(shù)分類(lèi)器
(1)初始化：分叉樹(shù)的根節點(diǎn)用soft cascade結構替代；
(2)樹(shù)的節點(diǎn)訓練：
a．從S集和B集中，挑選出所有可以通過(guò)分叉樹(shù)當前節點(diǎn)E的父節點(diǎn)的樣本，確保正負樣本集p和n的規模相當；
b．如果背景圖像集規模不夠，終止該節點(diǎn)E的分叉，將E設為葉子節點(diǎn)；
(3)在查詢(xún)樹(shù)中搜索當前節點(diǎn)：
a．如果找到了，就根據查詢(xún)節點(diǎn)集合將正樣本集分成兩部分，然后用Vector Boosting訓練一個(gè)節點(diǎn)分類(lèi)器。
b．否則，就用Gentle Adaboost訓練一個(gè)強分類(lèi)器。
(4)對于當前節點(diǎn)E的每個(gè)孩子節點(diǎn)，循環(huán)使用步驟(2)和(3)進(jìn)行訓練生成。
3 實(shí)驗方案和結果
本文收集了6類(lèi)臺標集合，每一類(lèi)包含了200張圖像。而臺標圖像就是從這些圖像中裁剪出來(lái)的，然后縮放成24×24像素大小的塊，作為正樣本集。負樣本集則是從將臺標區域掩蓋掉后的圖像上收集的。首先進(jìn)行了一個(gè)實(shí)驗，來(lái)解釋W(xué)FS樹(shù)的不同設計方案將會(huì )對算法性能帶來(lái)怎樣的影響，然后研究了soft cascade長(cháng)度帶來(lái)的影響，最后拿隨機生成的樹(shù)與本文的樹(shù)進(jìn)行對比。
本文首先使用了文獻中提到的方法訓練一個(gè)普通檢測器，然后將其791個(gè)弱分類(lèi)器組成了soft cascade。本文用這個(gè)soft cascade對一組測試圖像進(jìn)行了測試，統計結果表示每幅圖像通過(guò)的平均特征數約為8。在實(shí)驗中，作者發(fā)現這個(gè)長(cháng)度值設置在平均特征數的1倍和2倍之間比較合適。
本文使用了上述正樣本數據集和規模為1200的負樣本數據集來(lái)構建查詢(xún)樹(shù)。最終生成的分叉樹(shù)如圖3所示。
正如分叉樹(shù)所示的，越相似的臺標，它們在樹(shù)里的位置越近。同時(shí)，本文也隨機地生成了另一個(gè)查詢(xún)樹(shù)。使用這兩棵樹(shù)和同樣的訓練數據集，本文訓練了兩個(gè)WFS樹(shù)檢測器。
技術(shù)專(zhuān)區
国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
加入技術(shù)交流群
評論