爱悠闲 > 向余老师学习机器视觉笔记

向余老师学习机器视觉笔记

分类: HOG  |  标签: HOG  |  作者: armily 相关  |  发布日期 : 2014-05-17  |  热度 : 352°

转自:链接地址

 

问题1:目前提取hog特征后,要把右侧特征翻转叠加到左侧来learn或者test,这样做的目的是减少特征、提高运行速度。但是会不会造成一类误报,就是左侧特征强,右侧空白的情况,误认为是目标:
答:这种情况,不管是否翻转,都会有误报。

 

问题2:Train函数中的形参中,有一个是keepsv,函数说明中指出它=true的话,则在train的循环间保持支持向量。但在代码中,没有实现这一功能。有没有必要实现它?
答:没有必要,因为已经在./var/penson.dat中保存了hard负类。

 

问题3:Train函数没有对参数C和J初始化,也没有把它们传入到sgd svm中去。有必要使用它们么?
答:目前svm的惩罚因子C是通过lambda来调整的。lambda是步长,在sgd svm中的作用就相当于惩罚因子。步长长,每次向特征中心移动的距离就大,但是容易“过”;步长短,每次向特征中心移动的距离小,但是运算速度慢。

 

问题4: poslatent函数没有返回num,num在这里没有累加,会不会导致在learn中使用不全的样本特征学习?
答:这是个bug,现在已经解决。

 

问题5:为什么多次train导致score大范围波动:
答:这因为learn.m中,提取hog特征后没有对特征做L2归一化。目前已经加上了归一化。

 

问题6:能否对所有特征的重要性排序:
答:目前还不能。而且实际意义不大。

 

问题7:为什么对于很亮很白的图像,比如天空,会有误报?
答:可能是hog算法内部对梯度归一化造成的。可以加上对检测区域亮度或者梯度最大值的判断来排除。

 

问题8:如何确定score阈值:
答:这里要改一改。目前的固定阈值-0.5,应该改为正类score排序后的最小的20% score。

plot(r)