我想做一个非常简单的例子:使用 dlib 训练来检测“猫”和“狗”(两个类)并提供框坐标。
到目前为止,我发现的示例是只训练一个类并生成一个 .svm 文件:http://dlib.net/train_object_detector.cpp.html
我不擅长 C++(但我可以学习),我更喜欢用 Python 做事。经过几天的研究(我也是深度学习的新手),我想我必须改变这些行:
object_detector<image_scanner_type> detector = trainer.train(images, object_locations, ignore);
serialize("object_detector.svm") << detector;
所以我应该在下面使用 http://dlib.net/dlib/image_processing/object_detector_abstract.h.html :
explicit object_detector (
const std::vector<object_detector>& detectors
);
问题:
我需要生成一个 .dat 文件,例如此处的人脸标志检测 http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 .那么,如何立即训练和序列化或之后合并 .svm 文件?
然后我需要运行检测来检测 .dat 文件中的所有 .svm。我可以举个例子说明如何使用 C++ 或 Python 执行此操作吗?
谢谢。
最佳答案
我可以告诉您如何在 C++ 中执行此操作。我希望您应该能够弄清楚如何在 Python 中完成它。
您无需拥有单个 .dat 文件即可执行此操作。您可以单独训练检测器并保存到单独的文件中。这允许您添加新检测器、替换现有检测器等而无需重新训练。 在您需要创建检测器 vector 之后。即:
std::vector<object_detector> detectors(3);
dlib::deserialize(detectors[0], "object_detector.svm");
dlib::deserialize(detectors[1], "object_detector_2.svm");
dlib::deserialize(detectors[2], "object_detector_3.svm");
然后你像这样运行检测:
std::vector<dlib::rect_detection> detections;
dlib::evaluate_detectors(detectors, image, detections);
然后您可以访问检测到的对象:
for (auto& det : detections) {
det.rect; // found rectangle
det.weight_index; // detector index in vector (to indentify object class)
}
在我的例子中,一次运行所有检测器 (5) 的执行速度比顺序运行它们快 2.5-3 倍。但这将取决于每个检测器的检测窗口的相似程度。
关于python - 如何训练或合并多个 .svm 并使用 dlib 检测多个类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44465354/