opencv_traincascade.exe用到的引數及解釋
阿新 • • 發佈：2019-02-06
opencv_traincascade.exe的引數列表及解釋，下面的所有引數都是在命令列中opencv_traincascade.exe後面使用的引數，共20個引數，引數按在原始檔中儲存的位置分類
一、訓練時儲存在變數中的引數(9個引數)
- -data
- 訓練的分類器的儲存目錄
- -vec
- 正樣本檔案，由open_createsamples.exe生成，正樣本檔案字尾名為.vec
- -bg
- 負樣本說明檔案，主要包含負樣本檔案所在的目錄及負樣本檔名
- -numPos
- 每級分類器訓練時所用到的正樣本數目，應小於vec檔案中正樣本的數目，具體數目限制條件為：numPos+（numStages-1）*numPos*（1-minHitRate）<=vec檔案中正樣本的數目
- -numNeg
- 每級分類器訓練時所用到的負樣本數目，可以大於-bg指定的圖片數目
- -numStages
- 訓練分類器的級數，強分類器的個數
- -precalcValBufSize
- 快取大小，用於儲存預先計算的特徵值，單位MB
- -precalcIdxBufSize
- 快取大小，用於儲存預先計算的特徵索引，單位MB
- -baseFormatSave
- 僅在使用Haar特徵時有效，如果指定，級聯分類器將以老格式儲存
二、儲存在引數類中的引數()
1、儲存CvCascadeParams的物件中的引數(4個引數)
-stageType 級聯型別，目前只能取BOOST -featureType 訓練使用的特徵型別，目前支援的特徵有Haar，LBP和HOG -w 訓練的正樣本的寬度，Haar特徵的w和h一般為20，LBP特徵的w和h一般為24，HOG特徵的w和h一般為64 -h 訓練的正樣本的高
2、儲存在CvCascadeBoostParams的物件中的引數(6個引數)
-bt 訓練分類器採用的Adaboost型別，Adaboost分為Getle Adaboost，Real Adaboost，Discrete Adaboost，Logit Adaboost，訓練中預設採用Getle Adaboost -minHitRate 影響每個強分類器閾值，每一級分類器最小命中率，表示每一級強分類器對正樣本的的分類準確率 -maxFalseAlarm 最大虛警率，影響弱分類器的閾值，表示每個弱分類器將負樣本誤分為正樣本的比例，一般預設值為0.5 -weightTrimRate 0-1之間的閾值，影響參與訓練的樣本，樣本權重更新排序後(從小到大)，從前面累計權重小於(1-weightTrimRate)的樣本將不參與下一次訓練，一般預設值為0.95 -maxDepth 每一個弱分類器決策樹的深度，預設是1，是二叉樹（stumps），只使用一個特徵。 -maxWeakCount 每級強分類器中弱分類器的最大個數，當FA降不到指定的maxFalseAlarm時可以通過指定最大弱分類器個數停止單個強分類器
3、儲存在CvFeatureParams物件中的引數(1個引數)
Haar特徵，CvHaarFeatureParams繼承於CvFeatureParams
-mode
值為BASIC、CORE、ALL三種，根據值不同採用不同的Haar特徵，BASIC是基本的Haar特徵，CORE是所有的上下Haar特徵，ALL是使用所有的Haar特徵
LBP特徵，CvLBPFeatureParams繼承於CvFeatureParams
無引數
HOG特徵，CvHOGFeatureParams繼承於CvFeatureParams
無引數
引數截圖：
