我想使用OpenCV 3.x Python绑定为头部和肩部训练一个新的HoG分类器。我的管道是什么,用于提取特征,训练支持向量机,然后在测试数据库上运行?
这里似乎有这样一个C++的流水线:SVM classifier based on HOG features for "object detection" in OpenCV,这里是:https://github.com/DaHoC/trainHOG/wiki/trainHOG-Tutorial。对于Python,这里描述了如何提取HOG特性集:Get HOG image features from OpenCV + Python?。但是,这只适用于OpenCV 2.x,因为您不能用_winSize
和其他这样的变量初始化分类器。另外,这只用于特征提取,而不是使用新训练的分类器进行训练或检测。
cv2.HOGdescriptor()
的输出有一个svmDetector
参数,但是我不知道如何使用它,因为OpenCV 3.x没有Python文档,而且OpenCV 2.x只在其GPU模块中列出HoG,即使有CPU实现。
是否可以看到端到端的管道以及对某些参数的解释?
目前我也有同样的问题,我看到了OpenCV的以下文档:
OCR of Hand-written Data using SVM
在这里你可以找到你的部分答案:
这就是我的工作。一旦我解决了问题,我会更新答案。但现在我希望它能帮助你。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
您可以在这个opencv目录中找到一个名为digits.py的示例:
根据您的opencv版本,支持向量机类的方法有一些不同。这是opencv 3.1的一个例子。
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
我终于在这条路上找到了:
问候。
相关问题 更多 >
编程相关推荐