Android 用于座椅检测的串级分类器

我正在开发一个android应用程序来检测椅子和门等物体。 为此，我使用级联分类器来训练数据。我收集了1000个阳性样本 对于各种类型的椅子，大约700张底片样本包含没有椅子的图像。 但我得到的错误是“达到所需的叶虚警率”。 然后我做了一些研究，并改变了我的训练方式，如堆栈溢出答案之一所述。 但我还是犯了同样的错误，而且训练并没有超过第一阶段

我哪里做错了？ 这是我的训练指挥。

---

发布训练命令。如果误报率这么早就达到了，那么您的数据中可能存在一些偏差，这是正片和负片图像之间的某种人为差异。增加阶段数或降低MaxFalseAllarmRate。0.5^6=0.015625，这不是很好（通常可以在第一阶段实现）。@Mika我已经尝试将阶段增加15-16，但训练阶段在一天的训练后仍然停滞。离开训练几周是正常的还是我应该尝试不同的方法？我还从一个消息来源了解到，检测椅子是一项非常艰巨的工作。那么我该怎么做呢？如果在寻找负样本的过程中遇到困难，那么在不增加numNeg参数的情况下收集更多负样本。但是，是的，这种训练需要很多时间是正常的。到目前为止，只有700个阴性样本听起来还不够。可能分类器正在训练其他东西。发布训练命令。如果误报率这么早就达到了，那么您的数据中可能存在一些偏差，这是正片和负片图像之间的某种人为差异。增加阶段数或降低MaxFalseAllarmRate。0.5^6=0.015625，这不是很好（通常可以在第一阶段实现）。@Mika我已经尝试将阶段增加15-16，但训练阶段在一天的训练后仍然停滞。离开训练几周是正常的还是我应该尝试不同的方法？我还从一个消息来源了解到，检测椅子是一项非常艰巨的工作。那么我该怎么做呢？如果在寻找负样本的过程中遇到困难，那么在不增加numNeg参数的情况下收集更多负样本。但是，是的，这种训练需要很多时间是正常的。到目前为止，只有700个阴性样本听起来还不够。可能分类器正在训练其他东西。