機器學習 - 培訓步驟

Question

當您爲Adaboost算法的訓練數據使用Haar-like特徵時，如何構建數據集？你是否真的需要找到成千上萬的正面和負面的樣本？必須有一個更有效的方式做到這一點...

我想分析圖像在matlab（不是臉），並且是相對較新的圖像處理。

Answer 1

是的，你確實需要許多正面和負面的訓練樣本。對於Adaboost來說尤其如此，Adaboost通過重複採樣訓練集來工作。很難說出多少樣品就夠了。但一般來說，越好越好，因爲這會增加您的訓練集具有代表性的機會。

另外，在我看來，你對效率的追求是錯位的。培訓提前完成，大概是脫機。培訓完成後對未知實例進行分類的效率是人們通常擔心的。

Answer 2

毫無疑問，更多的數據，更多的信息，更好的結果。您應該儘可能包含更多信息。但是，您可能需要注意的一件事是正集與負集之比。對於logistic迴歸，比率不應超過1：5，對於adaboost，我不確定結果，但肯定會隨着比例（我之前嘗試過）而改變。

Answer 3

是的，我們需要許多正面和負面的訓練樣本，但收集這些數據非常繁瑣。但是，您可以通過拍攝視頻而非圖片並使用ffmpeg將這些視頻轉換爲圖片來簡化操作。這將使訓練部分更容易。

Answer 4

具有相同的正面和負面樣品的唯一原因是避免偏見。有時你可能會得到較高的準確性，但完全不能對一個類別進行分類。爲了評估這樣的方法，精度/回憶比精度更有用。