traincascade相关结构体
来源:互联网 发布:黑客帝国3:矩阵革命mp4 编辑:程序博客网 时间:2024/06/05 04:18
traincascade相关知识总结
CvCascadeClassifier(级联分类器)
CvCascadeParams cascadeParams; // 级联分类器参数cv::Ptr<CvFeatureParams> featureParams; // 特征参数cv::Ptr<CvCascadeBoostParams> stageParams; // 强分类器参数cv::Ptr<CvFeatureEvaluator> featureEvaluator;// 特征计算std::vector< cv::Ptr<CvCascadeBoost> > stageClassifiers; // 强分类器CvCascadeImageReader imgReader; // 样本图像读取int numStages, curNumSamples; // 强分类器数目,当前样本数目int numPos, numNeg; // 正样本数目,负样本数目
CvCascadeParams(级联分类器参数)
static const int defaultStageType = BOOST; // 默认级联分类器类型static const int defaultFeatureType = CvFeatureParams::HAAR; // 默认级联分类器特征int stageType; // 强分类器类型int featureType; // 特征类型cv::Size winSize; // 级联分类器窗口信息
CvFeatureParams(特征参数)
int maxCatCount; // 0 in case of numerical features // 最大特征数目int featSize; // 1 in case of simple features (HAAR, LBP) and N_BINS(9)*N_CELLS(4) in case of Dalal's HOG features // 特征尺寸
CvCascadeBoostParams(强分类器参数)
float minHitRate; // 最小检测率float maxFalseAlarm; // 最大误检率
CvFeatureEvaluator(特征计算)
int npos, nneg; //正样本数目,负样本数目int numFeatures; // 特征数目cv::Size winSize; // 窗口尺寸CvFeatureParams *featureParams; // 特征参数cv::Mat cls; // 设置样本类别矩阵
CvCascadeBoost(强分类器)
float threshold; // 强分类器阈值float minHitRate, maxFalseAlarm; // 强分类器最小检测率,最大误检率
CvBoostTree(弱分类器)使用CvDTree实现(ml模块中的随机树实现)
CvDTreeNode* root; // 根节点CvMat* var_importance; // 重要变脸CvDTreeTrainData* data; // 训练数据CvMat train_data_hdr, responses_hdr; // 训练数据和响应数据cv::Mat train_data_mat, responses_mat; // 训练数据矩阵和响应数据矩阵int pruned_tree_idx; // 树裁剪索引
CvDTreeNode(弱分类器节点信息)
int class_idx; // 赋给节点的归一化的类别索引(从0到class_count-1),用在分类树和树集成中int Tn; // 在有序排列的树中的树索引。用在剪枝过程中和之后。double value; // 赋给节点的值。可以是一个类别标签,也可以是估计函数值CvDTreeNode* parent; // 父节点CvDTreeNode* left; // 左子树CvDTreeNode* right; // 右子树CvDTreeSplit* split; // 指向第一个分裂点(初始分裂点)的指针int sample_count; // 在训练阶段所用到的样本数目int depth; // 节点深度。根节点为0,子节点是父节点深度加1int* num_valid; // 合法数目int offset;int buf_idx;double maxlr;// global pruning data// 全局裁剪数据int complexity;double alpha;double node_risk, tree_risk, tree_error;// cross-validation pruning data// 交叉验证裁剪数据int* cv_Tn; // 如果该参数大于1,用叠一交叉验证来进行剪枝double* cv_node_risk;double* cv_node_error;// 节点错误率
0 0
- traincascade相关结构体
- 结构体相关
- 结构体相关概念
- USB相关结构体
- 结构体相关
- traincascade.cpp
- C语言:结构体相关
- 结构体的相关概念
- usb子系统相关结构体
- fb的相关结构体
- 预写式日志相关结构体
- TrainCascade类图解析
- traincascade源码解读
- Linux与时间相关的结构体及相关用法
- Linux与时间相关的结构体及相关用法
- Linux与时间相关的结构体及相关用法
- Linux与时间相关的结构体及相关用法
- linux驱动结构之class及相关结构体
- C++之多继承
- 构造器、方法重载、继承、方法重写、自动转型、多态课堂笔记
- ab压力测试工具详解
- 经验分享从c到c++
- 盒子模型 制作三角形 圆形 导航
- traincascade相关结构体
- 关于tomcat中虚拟主机的设置,以及为同一个网站添加几个域名的方法
- mybatis中association的column传入多个参数值
- 排序算法-堆排序
- 多核单服务器各种配置和业务压力下的node.js性能测试
- apache 连接数
- hdu1698 线段树区间更新
- 什么是Qtopia
- Struts2基础(struts.xml文件)