基于樹形檢測器的多標(biāo)志識(shí)別
3.1 soft cascade的長度
當(dāng)選擇好查詢樹,本文就可以開始訓(xùn)練檢測器了。作者嘗試了不同的soft cascade的長度。本文調(diào)整葉子節(jié)點(diǎn)上分類器的閾值,確保兩個(gè)檢測器擁有相同的分類結(jié)果。
3.2 檢測器的精確度
在本文的框架里,第一部分是整個(gè)結(jié)構(gòu)的核心。在soft cascade中設(shè)置不同的alpha參數(shù)值,然后對(duì)將作為根節(jié)點(diǎn)分類器的soft casca-de嘗試不同的長度。接著,調(diào)整每個(gè)葉子節(jié)點(diǎn)分類器上的閾值,可以得到如圖4的ROC曲線。本文的soft cascade加WFS樹結(jié)構(gòu)的臺(tái)標(biāo)檢測精確度要優(yōu)于Huang的WFS樹。與此同時(shí),本文框架使用的特征數(shù)也比Huang的要少。本文引用地址:http://m.butianyuan.cn/article/195147.htm
對(duì)于識(shí)別同一家電視臺(tái)的不同頻道,本文也采用了改進(jìn)后的WFS結(jié)構(gòu)。本文收集了9個(gè)不同的CCTV頻道中央一至中央九,訓(xùn)練了一個(gè)CCTV系列檢測器,它可以檢測并識(shí)別出CCTV標(biāo)志及其右側(cè)區(qū)域里的數(shù)字符號(hào)。本文實(shí)驗(yàn)的結(jié)果數(shù)據(jù)如表1:
4 結(jié)語
本文實(shí)現(xiàn)了一個(gè)基于多層樹形分類器結(jié)構(gòu)的多臺(tái)標(biāo)識(shí)別方法,此方法具有對(duì)多類別標(biāo)志識(shí)別的通用性。本文雖然在檢測樣本的平均特征數(shù)上有進(jìn)一步減少,提高了算法的速度,并且在分叉樹的葉子每個(gè)節(jié)點(diǎn)上增加了一個(gè)單類別cascade,降低了誤檢率。但是這種查詢樹結(jié)構(gòu)在增加新類型臺(tái)標(biāo)時(shí),需要重新生成和訓(xùn)練,花費(fèi)大量時(shí)間。如果能找到一種增量學(xué)習(xí)算法,在增加新類別時(shí),只需要對(duì)原有的查詢樹做局部修改,而不用全盤推翻重新計(jì)算,則該框架將更具實(shí)用性。
評(píng)論