このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
trainCascadeObjectDetector
カスケード型オブジェクト検出器モデルの学習
構文
説明
trainCascadeObjectDetector(
は、学習済みのカスケード検出器を outputXMLFilename
,positiveInstances
,negativeImages
)outputXMLFilename
という名前の XML ファイルに書き込みます。ファイル名には XML 拡張子が含まれていなければなりません。この関数の動作の詳細については、カスケード型オブジェクト検出器入門を参照してください。
trainCascadeObjectDetector(
は、中断された学習セッションを再開します。outputXMLFilename
,'resume')outputXMLFilename
入力は、中断されたセッションの出力ファイル名と一致していなければなりません。前のセッションで保存されたすべての引数が自動的に再利用されます。
trainCascadeObjectDetector(___,
は、前の構文にある引数の任意の組み合わせに加えて、名前と値の引数を 1 つ以上使用してオプションを指定します。たとえば、Name=Value
)ObjectTrainingSize=[100,100]
は、学習中のオブジェクトの高さと幅を設定します。
例
入力引数
ヒント
良質の検出器の学習には数千単位の学習サンプルが必要です。大量のデータを処理する時間は場合によって異なりますが、数時間から数日に及ぶ長い時間がかかります。学習中は、関数によって各ステージの学習にかかった時間が MATLAB® のコマンド ウィンドウに表示されます。
この関数で使用される OpenCV HOG パラメーターは次のとおりです。
Numbins:
9
CellSize =
[8 8]
BlockSize =
[4 4]
BlockOverlap =
[2 2]
UseSignedOrientation =
false
参照
[1] Viola, P., and M. J. Jones. "Rapid Object Detection using a Boosted Cascade of Simple Features." Proceedings of the 2001 IEEE Computer Society Conference. Volume 1, 15 April 2001, pp. I-511–I-518.
[2] Ojala, T., M. Pietikainen, and T. Maenpaa. “Multiresolution Gray-scale and Rotation Invariant Texture Classification With Local Binary Patterns.” IEEE Transactions on Pattern Analysis and Machine Intelligence. Volume 24, No. 7 July 2002, pp. 971–987.
[3] Dalal, N., and B. Triggs. “Histograms of Oriented Gradients for Human Detection.” IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Volume 1, 2005, pp. 886–893.
バージョン履歴
R2013a で導入