前段时间跑Haartraining.exe的数据生成了如下的数据： 打开0文件夹： 里面数据如上，在此：没有生成xml文件。 解决方案： 方案一： 个人经验，是负样本有问题，解决方案（成功通过）： 1。卡在某一层后，按ctrl+c结束 2。更新你的负样本 3。不要删除已经训练出的cascade 4。继续训练，请注意是否要改动-nneg参数 P.S. 要haarconv.exe邮件至：amadeuz

用 svm 训练了个分类器。 给图片分类的。 目标 ： 1 else ： 0 载入分类器查看效果 [cpp]  view plain copy #include "stdafx.h"   #include "cv.h"     #include "highgui.h"       #include <ml.h>     #include <iostream>     #include <fstre

闲来想完善一下之前做的汽车运动检测的工程，打算认认真真的将整辆车给识别出来，可是唯一的问题是，我手上没有足够的用来做训练的素材，于是从很流行的人脸识别开始，探求一下机器识别的流程如何。花了一些时间，在此作一下笔记。 一、使用TBB编译opencv_traincascade.exe 会跳到我这篇博文里来的童鞋，多是已经参考网上其他的文章，大概的流程估计已经知晓，文档式的内容我尽量少提。简单的提一下，

http://blog.csdn.net/Armily/article/details/8333862 原文链接  在人脸检测中，我们一般利用训练好的XML文件去预测图像中是否存在人脸，那么XML文件是如何得到的，按照人脸的XML文件，它应该是提取样本的Haar特征，利用某个机器学习方法，最终得到的。本文主要讨论如何得到自己的XML文件。          在机器学习中，首先应该是采集样本，然后提

目标检测分为三个步骤： 1、 样本的创建 2、 训练分类器 3、 利用训练好的分类器进行目标检测。     有了opencv自带的那些xml人脸检测文档，我们就可以用cvLoad（）这个函数加载他们，让他们对我们的人脸进行检测，但是，现在生活中还有很多物品需要识别，所以，我们需要自己做个xml的检测文档。 一、正负样本的创建 1、首先就是图片库了，下载 face 和 nonface 库作为正负样本

看到一篇论文上讲到可以用adaboost分类器进行行人检测，就想自己动手训练一下分类器，折腾了两周终于训练成功了。。。 opencv中有两个函数可以训练分类器opencv_haartraining.exe和opencv_traincascade.exe,前者只能训练haar特征，后者可以用HAAR、LBP和HOG特征训练分类器。这两个函数都可以在opencv\build\x86\vc10\bin文

OpenCV中有两个程序可以训练级联分类器： opencv_haartraining 和opencv_traincascade。opencv_traincascade 是一个新程序，使用OpenCV 2.x API 以C++ 编写。这二者主要的区别是 opencv_traincascade 支持 Haar、Hog和 LBP(Local Binary Patterns) 三种特征，并易于增加其他的特

opencv中有两个函数可以训练分类器opencv_haartraining.exe和opencv_traincascade.exe,前者只能训练haar特征，后者可以用HAAR、LBP和HOG特征训练分类器。这两个函数都可以在opencv\build\x86\vc10\bin文件夹下找到，opencv_haartraining.exe训练的adaboost级联分类器有很多了，本文主要讲openc

摘自：http://www.xuebuyuan.com/601093.html 转换后的single component person model检测效果不错，而VOC2007 2009中的three-component person model的检测效果则非常差，可能是OpenCV对混合模型的加载不太支持。（我只关心person的检测，所以只测试了person的model转换后的效果） func

最近在做毕业设计，需要用到faster rcnn，训练数据使用的是我自己下载的imageNet里的部分数据，主要用到了其中的bike,motorbike,car,bus,train等交通工具。由于imageNet自带了annotation，只是格式和pascal voc不一样，所以还需要转化格式。目前我正在使用imageNet中的ship数据集来进行一个二分类的检测和识别，即background和

一 前言 关于训练分类器制作XML文档时需要的两个exe应用程序的解释。 　　opencv_createsamples ：用来准备训练用的正样本数据和测试数据。opencv_createsamples 能够生成能被opencv_haartraining 和 opencv_traincascade 程序支持的正样本数据。它的输出为以 *.vec 为扩展名的文件，该文件以二进制方式存储图像。 　　op

我的问题：有了opencv自带的那些xml人脸检测文档，我们就可以用cvLoad（）这个函数加载他们，让他们对我们的人脸进行检测，但是，现在生活中的计算机视觉并不远远是检测人脸，还有很多物品需要识别，所以，能不能自己做个xml的检测文档，用它来检测自己需要的东西呢？例如，检测一个可乐瓶！ 问题解决： 首先了解下，目标检测分为三个步骤： 1、 样本的创建 2、 训练分类器 3、 利用训练好的分类器进

#include "stdafx.h" #include <opencv2/opencv.hpp> #include <iostream> #include <fstream> #include <sstream> #include <math.h> #include <vector> #include <windows.h> #include <io.h> #include <time.h>

  正式使用opencv里的训练和检测 - opencv_createsamples、opencv_traincascade-2.4.11版本 一、基础知识准备 首先，opencv目前仅支持三种特征的训练检测， HAAR、LBP、HOG，选择哪个特征就去补充哪个吧。opencv的这个训练算法是基于adaboost而来的，所以需要先对adaboost进行基础知识补充啊，网上一大堆资料，同志们速度去查

1. 数据集 只训练了一类hand 首先我们需要对自己的数据集进行处理得到类似于voc的数据集： 这里我们只需要三个文件夹： Annotations——存放xml文件 JPEGImages——里面是图片 labels——用于存放由xml文件生成的标签 提醒大家要注意之后生成的文件夹内文件个数，以及txt文件行数以免训练出错 下面我们需要生成三个txt文件里面用于存放图片名（注意不是图片地址）：tr

torch7学习（一）——Tensor Torch7学习(二) —— Torch与Matlab的语法对比 Torch7学习（三）——学习神经网络包的用法（1） Torch7学习（四）——学习神经网络包的用法（2） Torch7学习（五）——学习神经网路包的用法（3） Torch7学习（六）——学习神经网络包的用法（4）——利用optim进行训练 Torch7学习（七）——从neural-style