减少 HOG 中的误报

Question

我已经使用 HOG 实现了汽车检测器，目前它工作得很好。不幸的是，我对分类器有很多误报。
到目前为止我做了什么
我已将样本的比率（正：负）从 1:1 更改为 1:3，并在一定程度上降低了误报。有人可以帮助减少分类器的误报吗？
我实现 HOG 的方法
获取完整图像的 HOG 功能（仅限块）。 根据标签信息和窗口大小提取正面特征。 通过随机绘制矩形并检查与我感兴趣的对象的碰撞来提取负样本。 训练线性支持向量机。 测试分类器。

Answer 1

也许这不是完美的解决方案，但我希望它对您有所帮助。

我使用 HOG 描述符 + SMV 分类器进行特定对象检测。为了减少误报结果，尽管调整虚假和真实训练样本的数量很重要，但最后我不得不根据经验调整径向基函数 (RBF) 内核 SVM 的 GAMMA 和成本参数。可能如果你增加你的 GAMMA 值，你会有更少的误报结果，但可能会有一些漏检。

高斯核 (γ) 的逆宽度参数对软边距常数的固定值的影响。对于较小的 γ 值（左上角），决策边界几乎是线性的。随着 γ 的增加，决策边界的灵活性增加。较大的 γ 值导致 过拟合（底部）。

我给你留下一些链接作为参考：

A User’s Guide to Support Vector Machines

Using SVMs for Scientists and Engineers

问候。