Ich trainiere einen Kaskadenklassierer, um Tiere in Bildern zu erkennen. Leider ist meine Falsch-Positiv-Rate ziemlich hoch (super hoch mit Haar und LBP, akzeptabel mit HOG). Ich frage mich, wie ich möglicherweise meinen Klassifikator verbessern könnte.

Hier sind meine Fragen:

Wie viele Trainingsmuster sind für eine zuverlässige Erkennung erforderlich? Ich habe irgendwo gelesen, dass 4000 pos und 800 neg Samples benötigt werden. Ist das eine gute Schätzung?Wie unterschiedlich sollten die Trainingsmuster sein? Gibt es eine Möglichkeit, Bildunterschiede zu quantifizieren, um mögliche 'doppelte' Daten einzuschließen oder auszuschließen?Wie soll ich mit verschlossenen Objekten umgehen? Soll ich nur den Teil des Tieres trainieren, der sichtbar ist, oder soll ich lieber meinen ROI so wählen, dass der durchschnittliche ROI ziemlich konstant ist?Zu verschlossenen Objekten: Tiere haben Beine, Arme, Schwänze, Köpfe usw. Da einige Körperteile häufig verschlossen sind, ist es sinnvoll, den "Torso" als ROI zu wählen?Soll ich versuchen, meine Bilder zu verkleinern und kleinere Bildgrößen zu trainieren? Könnte dies möglicherweise die Dinge verbessern?

Ich bin offen für alle Hinweise hier!