Trenuję klasyfikator kaskadowy w celu wykrywania zwierząt na obrazach. Niestety mój fałszywie dodatni wskaźnik jest dość wysoki (super wysoki przy użyciu Haar i LBP, dopuszczalny przy użyciu HOG). Zastanawiam się, jak mógłbym ulepszyć mojego klasyfikatora.

Oto moje pytania:

jaka jest ilość próbek treningowych, które są niezbędne do niezawodnego wykrywania? Czytałem gdzieś, że potrzebnych jest 4000 próbek i 800 próbek neg. Czy to dobry szacunek?jak różne powinny być próbki treningowe? Czy istnieje sposób na określenie ilościowe różnic obrazu w celu uwzględnienia / wykluczenia możliwych „duplikatów” danych?jak mam radzić sobie z obiektami zamkniętymi? Czy powinienem trenować tylko tę część zwierzęcia, która jest widoczna, czy raczej powinienem wybrać mój ROI, aby średni ROI był dość stały?re obiektów zamkniętych: zwierzęta mają nogi, ramiona, ogony, głowy itp. Ponieważ niektóre części ciała są dość często zasłaniane, czy ma sens wybranie „tułowia” jako ROI?powinienem próbować zmniejszać moje obrazy i trenować na mniejszych rozmiarach zdjęć? Czy to może poprawić sytuację?

Jestem otwarty na wszelkie wskazówki!