Opencv 如何获得更高质量或精度的自制Haar级联

请任何人粗略地告诉我什么是最小命中率、误报率，以及我如何为训练目的设置宽度和高度。我已经阅读了cv2的文档，也用谷歌搜索了其中的一些，但事实上这对我帮助不大。我已经完成了我的第一个级联，但它没有很好地工作，相当可怕。请粗略地告诉我，如果我改变这些利率的值会发生什么。我在窗口上使用GUI haar cascade trainer。提前感谢。

不是回答，而是提示：

e、 g.如果在第0阶段后，您有以下结果：

NEG count : acceptanceRatio    40000 : 1
Precalculation time: 24.031
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|        1|
+----+---------+---------+
|   3| 0.995179|   0.0838|
+----+---------+---------+
END>
Training until now has taken 0 days 0 hours 1 minutes 57 seconds.

对于第1阶段，您将获得：

NEG count : acceptanceRatio    40000 : 0.124695
Precalculation time: 19.241
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|        1|
+----+---------+---------+
|   3| 0.999077| 0.142975|
+----+---------+---------+
END>
Training until now has taken 0 days 0 hours 4 minutes 9 seconds.

这意味着分类器在开始时非常简单。FA为0.0838 vs.acceptanceRatio 40000:0.124695意味着，到目前为止（0.0838接近于0.124695），概括是可以的，但存在一些差距，因此阴性样本可能足够多样化。在第二阶段，NEG count:acceptanceRatio

40000:0.034703

表明，泛化仍然很好<代码>0.124695*0.142975=0.01782826762

---

根据我的经验，接受率是培训期间要观察的最重要的事情之一，它可以向您展示培训数据的质量。

不是答案，而是提示：

e、 g.如果在第0阶段后，您有以下结果：

NEG count : acceptanceRatio    40000 : 1
Precalculation time: 24.031
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|        1|
+----+---------+---------+
|   3| 0.995179|   0.0838|
+----+---------+---------+
END>
Training until now has taken 0 days 0 hours 1 minutes 57 seconds.

对于第1阶段，您将获得：

NEG count : acceptanceRatio    40000 : 0.124695
Precalculation time: 19.241
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|        1|        1|
+----+---------+---------+
|   3| 0.999077| 0.142975|
+----+---------+---------+
END>
Training until now has taken 0 days 0 hours 4 minutes 9 seconds.

这意味着分类器在开始时非常简单。FA为0.0838 vs.acceptanceRatio 40000:0.124695意味着，到目前为止（0.0838接近于0.124695），概括是可以的，但存在一些差距，因此阴性样本可能足够多样化。在第二阶段，NEG count:acceptanceRatio

40000:0.034703

表明，泛化仍然很好<代码>0.124695*0.142975=0.01782826762

---

根据我的经验，接受率是培训期间要观察的最重要的事情之一，以向您展示培训数据的质量。

宽度和高度必须根据您必须检测的最小尺寸进行cosen。每个阶段都必须选择命中率和虚警率，因此如果您的分类器将有18个阶段，并且您选择的命中率为0.95，那么您的总命中率将约为（0.99）^18=0.83；对于命中率0.999=>0.98。错误报警率也一样。非常重要的是训练样本和负样本的情况，这并不容易解释。你应该展示一些来自你方的典型训练样本。Thx用于解释。宽度和高度必须符合我的训练样本（即像素）？现在我有84张正面图像和456张负面图像，我可以使用hitRate 0.995和13个阶段吗？在生成训练样本期间，将调整训练样本的大小。但是级联分类器检测从选择的窗口大小开始，然后对检测器进行上采样，因此最小可检测大小将与您的训练大小相同。我无法判断参数和样本是否正常。您应该发布训练输出（管道控制台文本到文件）。您应该详细地跟踪各个阶段之间的进度。您将看到有效命中率是如何发展的，以及在使用GUI cascade trainer找到仍然未覆盖（=可用）的sample.im之前必须测试多少阴性样本。预计算时间：1.023++-------------------++---------++--N人力资源法+---------++---------++---------++1++----1++---------2++----1++----1++----1++----3++----1++----1++----1++----1++----1++----4++----1 0.81++----10.565 |+----------------+----------------+-----------+| 6 | 1 | 0.396 |+----------------+-----------+结束>宽度和高度必须根据您必须检测的最小尺寸进行cosen。每个阶段都必须选择命中率和虚警率，因此如果您的分类器将有18个阶段，并且您选择的命中率为0.95，那么您的总命中率将约为（0.99）^18=0.83；对于命中率0.999=>0.98。错误报警率也一样。非常重要的是训练样本和负样本的情况，这并不容易解释。你应该展示一些来自你方的典型训练样本。Thx用于解释。宽度和高度必须符合我的训练样本（即像素）？现在我有84张正面图像和456张负面图像，我可以使用hitRate 0.995和13个阶段吗？在生成训练样本期间，将调整训练样本的大小。但是级联分类器检测从选择的窗口大小开始，然后对检测器进行上采样，因此最小可检测大小将与您的训练大小相同。我无法判断参数和样本是否正常。您应该发布训练输出（管道控制台文本到文件）。您应该详细地跟踪各个阶段之间的进度。您将看到有效命中率是如何发展的，以及在使用GUI cascade trainer找到仍然未覆盖（=可用）的sample.im之前必须测试多少阴性样本。预计算时间：1.023++-------------------++---------++--N人力资源法+---------++---------++---------++1++----1++---------2++----1++----1++----1++----3++----1++----1++----1++----1++----1++----4++----1 0.81++----10.565 |+----------------+-----------+-----------+| 6 | 1 | 0.396 |+-----------+-----------+-----------+结束>