trainACFObjectDetector
火车ACF对象探测器
描述
探测器= trainACFObjectDetector (TrainingData.）TrainingData.表，并在训练期间从图像中自动收集负面实例。创建一个基本真实值表，使用图片标志或者贴标签机视频应用程序。
探测器= trainACFObjectDetector (TrainingData.，名称,值）探测器对象具有一个或多个指定的附加选项名称,值对论点。
例子
使用ACF对象探测器列车停止标志探测器
使用trainACFObjectDetector用训练图像创建一个ACF对象检测器，可以检测停止标志。用一个单独的图像测试探测器。
加载培训数据。
负载(“stopSignsAndCars.mat”）
为停止标志选择地面真相。这些地面事实是在图像中已知的停止标志位置的集合。
stopSigns = stopSignsAndCars (:, 1:2);
将完整路径添加到图像文件。
stopsigns.imageFilename = fullfile（toolboxdir（“愿景”)，．．．“visiondata”，stopsigns.imagefilename）;
训练ACF检测器。您可以通过指定来关闭培训进度输出“详细”,假的作为一个名称,值对。
acfdetector = trainacfobjectdetector（stopsigns，'否定amplefactor'，2）;
ACF对象探测器培训培训将需要4个阶段。模型尺寸为34x31。样本阳性例子（〜100％完成）计算近似系数......完成。计算聚合信道功能...已完成。---------------------------------------------第1阶段：样本否定例子（〜100％完成）计算聚合信道功能...完成。火车分类器有42个正面例子和84个否定例子......完成。训练有素的分类器有19名弱者。------------------------------------------第2阶段：样本否定例子（〜100％完成）发现了84个培训的新负例。计算聚合信道功能...已完成。火车分类器有42个正面例子和84个否定例子......完成。 The trained classifier has 20 weak learners. -------------------------------------------- Stage 3: Sample negative examples(~100% Completed) Found 84 new negative examples for training. Compute aggregated channel features...Completed. Train classifier with 42 positive examples and 84 negative examples...Completed. The trained classifier has 54 weak learners. -------------------------------------------- Stage 4: Sample negative examples(~100% Completed) Found 84 new negative examples for training. Compute aggregated channel features...Completed. Train classifier with 42 positive examples and 84 negative examples...Completed. The trained classifier has 61 weak learners. -------------------------------------------- ACF object detector training is completed. Elapsed time is 31.3174 seconds.
在测试图像上测试ACF检测器。
img = imread（“stopSignTest.jpg”）;[bboxes,分数]=检测(acfDetector, img);
显示检测结果并将边界框插入图像中的对象。
为i = 1：长度（分数）注释= sprintf（信心= % .1f '，分数（i））;img = InsertObjectAnnotation（IMG，'长方形'，bboxes（i，:)，注释）;结束图imshow (img)
输入参数
TrainingData.- - - - - -标记的地面真相图像
桌子
标记的地面真实图像，指定为一个有两列的表。第一列必须包含灰度或truecolor (RGB)图像的路径和文件名。尽管如此，基于acf的探测器最好的工作与真彩色图像。第二列包含米-By-4矩阵，包含与相应图像相关的边界框的位置。位置格式化，[x，y，宽度，高度]．第二列代表单个对象类的正实例，例如汽车，狗，花或停车标志。在训练过程中，否定实例自动从图像中收集。
每个边界框必须格式[x，y，宽度，高度]．该格式指定了相应图像中对象的左上角位置和大小。表变量(列)名定义了对象类名。创建地面真值表，使用图片标志应用程序。
名称值对参数
指定可选的逗号分隔对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．
'objectTrainingsize'，[100 100]
输出参数
另请参阅
应用程序
功能
您还可以从以下列表中选择一个网站：
