OpenCV Haar Sınıflandırıcı sonuç tablosu açıklaması

Question

Nesneleri tanımak için bir Haar sınıflandırıcısı oluşturmaya çalışıyorum ancak her aşamada üretilen sonuç tablosunun ne anlama geldiğini anlayamıyorum.

E.g. 1

===== TRAINING 1-stage ===== 
<BEGIN 
POS count : consumed 700 : 700 
NEG count : acceptanceRatio 2500 : 0.452161 
Precalculation time: 9 
+----+---------+---------+ 
| N | HR | FA | 
+----+---------+---------+ 
| 1|  1|  1| 
+----+---------+---------+ 
| 2|  1|  1| 
+----+---------+---------+ 
| 3|  1|  1| 
+----+---------+---------+ 
| 4|  1|  1| 
+----+---------+---------+ 
| 5|  1| 0.7432| 
+----+---------+---------+ 
| 6|  1| 0.6312| 
+----+---------+---------+ 
| 7|  1| 0.5112| 
+----+---------+---------+ 
| 8|  1| 0.6104| 
+----+---------+---------+ 
| 9|  1| 0.4488| 
+----+---------+---------+ 
END> 

Ör

===== TRAINING 2-stage ===== 
<BEGIN 
POS count : consumed 500 : 500 
NEG count : acceptanceRatio 964 : 0.182992 
Precalculation time: 49 
+----+---------+---------+ 
| N | HR | FA | 
+----+---------+---------+ 
| 1|  1|  1| 
+----+---------+---------+ 
| 2|  1|  1| 
+----+---------+---------+ 

2 Ben N, HR ve FA Bu durumların her birinde atıfta ne emin değilim. Birisi neye katlandığını ve ne anlama geldiğini açıklayabilir mi?

Answer 1

OpenCV source'da "HR" için arama yapmak this dosyasını açar. Çizgiler 1703-1707 masaya baskı CvCascadeBoost::isErrDesired iç:

cout << "|"; cout.width(4); cout << right << weak->total; 
cout << "|"; cout.width(9); cout << right << hitRate; 
cout << "|"; cout.width(9); cout << right << falseAlarm; 
cout << "|" << endl; 
cout << "+----+---------+---------+" << endl; 

Yani İK ve FA isabet oranı ve yanlış alarm için durmak. Kavramsal olarak: hitRate = Doğru şekilde sınıflandırılan pozitif örneklerin% 'si. falseAlarm = Negatif örneklerin% 'si yanlış olarak pozitif olarak sınıflandırıldı. döngü

cout << "+----+---------+---------+" << endl; 
cout << "| N | HR  | FA  |" << endl; 
cout << "+----+---------+---------+" << endl; 

do 
{ 
    [...] 
} 
while(!isErrDesired() && (weak->total < params.weak_count)); 

Sadece bu bakıyor ve artırılması özellikleriyle ilgili pek bilmeden biz eğitim hatası kadar çalıştığını eğitimli bir tahmin yapabilirsiniz ederken CvCascadeBoost::train için kod okuma

, aşağıdaki görebilirsiniz falseAlarm tarafından ölçülen kadar düşük.