向餘老師學習機器視覺筆記

轉自：http://blog.sina.com.cn/s/blog_534497fd01018xvf.html

 

問題1：目前提取hog特徵後，要把右側特徵翻轉疊加到左側來learn或者test，這樣做的目的是減少特徵、提高運行速度。但是會不會造成一類誤判，就是左側特徵強，右側空白的情況，誤認為是目標：
答：這種情況，不管是否翻轉，都會有誤判。

 

問題2：Train函數中的形參中，有一個是keepsv，函數說明中指出它=true的話，則在train的迴圈間保持支援向量。但在代碼中，沒有實現這一功能。有沒有必要實現它？
答：沒有必要，因為已經在./var/penson.dat中儲存了hard負類。

 

問題3：Train函數沒有對參數C和J初始化，也沒有把它們傳入到sgd svm中去。有必要使用它們嗎？
答：目前svm的懲罰因子C是通過lambda來調整的。lambda是步長，在sgd svm中的作用就相當於懲罰因子。步長長，每次向特徵中心移動的距離就大，但是容易“過”；步長短，每次向特徵中心移動的距離小，但是運算速度慢。

 

問題4: poslatent函數沒有返回num，num在這裡沒有累加，會不會導致在learn中使用不全的樣本特徵學習？
答：這是個bug，現在已經解決。

 

問題5：為什麼多次train導致score大範圍波動：
答：這因為learn.m中，提取hog特徵後沒有對特徵做L2歸一化。目前已經加上了歸一化。

 

問題6：能否對所有特徵的重要性排序：
答：目前還不能。而且實際意義不大。

 

問題7：為什麼對於很亮很白的映像，比如天空，會有誤判？
答：可能是hog演算法內部對梯度歸一化造成的。可以加上對檢測地區亮度或者梯度最大值的判斷來排除。

 

問題8：如何確定score閾值：
答：這裡要改一改。目前的固定閾值-0.5，應該改為正類score排序後的最小的20% score。

plot(r)