基于樹(shù)形檢測(cè)器的多標(biāo)志識(shí)別
3.1 soft cascade的長(zhǎng)度
當(dāng)選擇好查詢(xún)樹(shù),本文就可以開(kāi)始訓(xùn)練檢測(cè)器了。作者嘗試了不同的soft cascade的長(zhǎng)度。本文調(diào)整葉子節(jié)點(diǎn)上分類(lèi)器的閾值,確保兩個(gè)檢測(cè)器擁有相同的分類(lèi)結(jié)果。
3.2 檢測(cè)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(lèi)器的soft casca-de嘗試不同的長(zhǎng)度。接著,調(diào)整每個(gè)葉子節(jié)點(diǎn)分類(lèi)器上的閾值,可以得到如圖4的ROC曲線。本文的soft cascade加WFS樹(shù)結(jié)構(gòu)的臺(tái)標(biāo)檢測(cè)精確度要優(yōu)于Huang的WFS樹(shù)。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(cè)器,它可以檢測(cè)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(yǔ)
本文實(shí)現(xiàn)了一個(gè)基于多層樹(shù)形分類(lèi)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(lèi)別標(biāo)志識(shí)別的通用性。本文雖然在檢測(cè)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(shù)的葉子每個(gè)節(jié)點(diǎn)上增加了一個(gè)單類(lèi)別cascade,降低了誤檢率。但是這種查詢(xún)樹(shù)結(jié)構(gòu)在增加新類(lèi)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(lèi)別時(shí),只需要對(duì)原有的查詢(xún)樹(shù)做局部修改,而不用全盤(pán)推翻重新計(jì)算,則該框架將更具實(shí)用性。
評(píng)論