在提這個問題之前，我已經百度了很久。我現在正在使用opencv庫里自帶的opencv_traincascade利用LBP特徵訓練分類器，可是經常會卡在某一個stage動不了。有很多資料，大家眾說紛紜，但是我試用他們的方法，依然卡住不動。比如我有3000個正樣本，4000個負樣本，我用opencv_createsamples創建了3000個samples在vec文件里，然後使用opencv_traincascade時，正樣本-numPos和負樣本-numNeg用了很多種比例都訓練到一半卡住了，請問opencv_createsamples里的-num和opencv_traincascade里的-numPos，-numNeg到底該如何設置呢？萬分感謝！PS：我使用的是LBP特徵。

關於數量如何設置，也可以理解為正負樣本比例如何控制。首先明確一點，訓練過程是增強分類器的功力，這就要求整個訓練期間負樣本不能動，不管總數還是內部的單個圖片。以此為基礎逐個stage去篩選過濾正樣本。理論上是每個stage中，能區分60%以上的正樣本即為合格。這被分對的60％正樣本被丟棄，認錯的40%連同新補充的正樣本一起進入下一個stage。（反之篩選負樣本同理）

打個比方，有個電影叫《初戀50次》，但50次是同一個人。訓練的50個stage（實際上不需要這麼多stage）的正樣本都不完全相同，上一任的經驗幾乎帶不到下一任，所以有點像《搭訕50次》。

參與訓練的樣本數量，提個建議僅供題主參考——正負樣本數量相當。這也是我的經驗，沒有絕對的道理，但是想想會覺得很自然。

具體多少數量沒有的定論，不一定要達到數十萬。兩個問題也請題主思認真考下，這會決定樣本的收集和取捨

1:分類器需要適用於多大的場景？

2:如何考慮樣本之間冗餘問題？

上圖中Stage-6中FA(FalseAlarm,虛警率)為0，說明負樣本已全部被正確分類了，也就不會有負樣本繼續參與下一輪的訓練了，所以就卡住了，而我用的OpenCV-2.4.10版本，出現這種狀況的時候會提示，Train dataset for temp stage can not be filled. Branch training terminated。詳見，OpenCV樣本訓練經驗 - PeakJin的博客 - CSDN博客處的tip5tip6。

收集的原始負樣本可以在和正樣本相關的情況下盡量的多，但多的同時要盡量保證這些原始負樣本的尺寸足夠大(是正樣本尺寸的許多倍，因為正樣本的尺寸大小就是滑動窗口的尺寸大小)，這樣才會保證在訓練的過程中一直有可用的能參與訓練的負樣本，也就不會出現FA為0的情況。記住numNeg和你收集到的原始負樣本的數量間並沒有多大聯繫，numNeg個訓練用負樣本會從尺寸足夠大的原始負樣本集上滑動和scale得到，但一定要盡量保持numPos:numNeg = 1:3，這樣才能得到最優的訓練效果。

謝邀

首先我沒用過opencv的traincascade，不過寫過boosting

訓練卡住的話我覺得應該是負樣本的數量不夠，你3000正樣本，4000負樣本太少了，如果你觀察訓練過程就會發現，越到後面的stage對負樣本的篩選就越難，可能需要數十萬個負樣本才能滿足要求。

上一階N=2時FA就到0了，HR還是1，用的正負樣本是不是區分度太大了？正樣本要有固定規則，負樣本要豐富多樣性，這應該不是設置的問題了，多找幾個數據集扒負樣本進去吧。

請問這個問題怎麼解決的啊
你好，我也遇到了相同的問題，不過我用的是HAAR特特徵。我發現問題是出在樣本的數量和質量上,。不知道你發現沒有，在出現卡住的上一個stage中，FA最終都為0了，也就是說對負樣本的虛警率（每個弱分類器將負樣本誤分為正樣本的比例）已經達到了0，可能是程序不再繼續往下分類了。提高正樣本和負樣本的數量可以訓練出更多的stage，但是具體的關係本人也沒搞清楚，忘相互學習。

推薦閱讀：
相关文章