Discussion :

[Jérôme.L]

Bonjour,

J'ai réalisé un programme qui effectue une détection et un tracking dynamique en permettant à l'utilisateur de naviguer entre les différents classifiers d'un dossier.
J'utilise pour l'instant les classifiers fournis avec opencv :

• haarcascade_frontalface_alt2.xml
• haarcascade_eye_tree_eyeglasses.xml
• haarcascade_fullbody.xml

Je cherche maintenant à entrainer mes propres classifier, pour cela opencv fournis "opencv_createsamples" et "opencv_traincascade" que je cherche à utiliser [Documentation]

J'ai obtenu des résultats utilisable mais pour améliorer les cascades obtenues je suis bloqué par ma compréhension du fonctionnement de ces exécutables.

Est-ce que quelqu'un sait :

• Comment sont géré les fonds sur les images positive (ex : une pomme sur un fond noir, est ce que l'entrainement va considérer le fond noir comme partie intégrante de l'image), et comment diminuer l'erreur que les fonds génèrent.
  
• Ce que signifie "Required leaf false alarm rate achieved, Branch training terminated." qui est un message que j'obtiens fréquemment lors de l’interruption de la génération d'une cascade et comment modifier les paramètres pour éviter que la génération ne soit interrompue.
  
• Si un outil permet de générer les fichiers de description (-bg, -info).
  
• Pour réaliser des tests sur des collections de taille plus importante je souhaite utiliser les collections d'image fournies par http://staff.science.uva.nl/~aloi/, rubrique Object image, est-ce que ce type de collection est la plus pertinente pour réaliser un entrainement de cascade ?
  
• Si il existe un moyen d'utiliser plusieurs fichiers générés par opencv_createsamples avec en paramètre une unique image qui subit des transformation (paramètre -img au lieu de -info) pour les passer en paramètre à opencv_createsamples.

OS : windows 7 64b, Ubuntu 12.04
IDE : QtCreator, VS2008

Je n'espère pas de réponse à toute mes questions mais la moindre réponse me permettrait de progresser plus vite.

Merci d'avance pour toute aide.

[Grimmjoww]

Bonjour,

Ca fait plus de 03 mois que je travaille sur le boosting et le haartraining et je peux te garantir que c'est loin d'etre evident ^^ !!

A vrai dire pour les positives, ce sont les images qui possèdent la cible a rechercher, et justement cette cible tu dois la localiser ( manuellement ) en faisant un découpage qui te renvoie un fichier .txt (ObjectMarker est impec pour ça), et tout ce joue sur ça, si tu veux une pomme, tache de cropper que la pomme rien de plus, car chaque détail qui apparait après croppage est considéré comme étant une donnée apprentissage POSITIVE ce qui va fausser tes calculs par la suite.


Pour le FalseAlarm achieved, ça veut dire que le classifieur ne peut plus entrainer des étages surpplémentaire, soit t'as pas suffisamment d'images négatives, soit ta cible ne contient pas suffisament d'occlusions .

Lol moi franchement j'ai vraiment galéré avec tout ça, mais j'ai réussi a entrainé mes propres cascades avec plus de 20 étages

[Jérôme.L]

Merci de ta réponse,

J'ai l'impression que pour augmenter le nombre de stages générés avec succès (en % par rapport au nombre de stages saisis) les rapports :
nombre d'image negative enregistré / -numNeg (le paramètre de opencv_traincascade.exe)
et
nombre d'images positives enregistré / -numPos

doivent être les plus élevés possible
Mais avant de lancer une génération pouvant durer 1 semaine j'aimerais bien connaitre ce rapport, enfin si cette idée n'est pas fausse.

De plus je ne sais pas comment calculer le nombre de stages dont j'ai besoin pour garder un bon ratio précision/souplesse lors de l'utilisation du classifier pour une détection.

J'ai trouvé un petit tutorial à ce [Lien], je vais essayer de le suivre, dans tout les cas j'y apprendrais sans doute quelque chose.

En tout cas encore merci pour ton aide.

[Grimmjoww]

Moi perso j'utilise la commande Haartraining.exe, le ratio le plus important est " Npos/Nneg qui doit etre environ de 0.5.

Si non pour les étages, tout dépend de la compléxité de ta cible, une relation de proportionnalité.

Si non regarde ce Tuto référence http://note.sonots.com/SciSoftware/haartraining.html il est pas mal du tout !

[Jérôme.L]

J'avance pas mal grâce aux exemples mais je pense que les codes fournis dans les exemples sur les liens ont besoin d'être modifié un petit peu.
Je devrais pouvoir me débrouiller pour terminer le programme d'ici 1 semaine, même si je n'ai pas réussi à tout comprendre sur le fonctionnement des ces fonctions et outils.
Merci beaucoup de ton aide.

Ps : ce n'est pas moi qui me suis amusé à mettre des notes négative partout, donc je met un + partout pour contrer.