如何使用 dlib 训练或合并多个 .svm 并检测多个类

Posted 2023-03-16

【中文标题】如何使用 dlib 训练或合并多个 .svm 并检测多个类

【英文标题】：How to train or merge multiple .svm and detect multiple classes using dlib

【发布时间】：2017-11-11 22:01:53

【问题描述】：

我想做一个很简单的例子：使用dlib进行训练，检测“cat”和“dog”（两个类）并提供box坐标。

到目前为止，我发现的例子是只训练一个类并生成一个 .svm 文件：http://dlib.net/train_object_detector.cpp.html

我不擅长 C++（但我可以学习），我更喜欢用 Python 做事。经过几天的研究（我也是深度学习的新手），我想我必须改变这些行：

object_detector<image_scanner_type> detector = trainer.train(images, object_locations, ignore);
serialize("object_detector.svm") << detector;

所以我应该在下面使用http://dlib.net/dlib/image_processing/object_detector_abstract.h.html：

explicit object_detector (
  const std::vector<object_detector>& detectors
);

问题：

我需要生成一个 .dat 文件，如此处http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 的人脸标志检测。那么我如何一次训练和序列化或组合 .svm 文件呢？

然后我需要运行检测来检测 .dat 文件中的所有 .svm。我可以举一个如何使用 C++ 或 Python 执行此操作的示例吗？

谢谢。

【参考方案1】：

我可以告诉你如何在 C++ 中做到这一点。我希望你应该能够弄清楚如何在 Python 中做到这一点。

您无需拥有单个 .dat 文件即可执行此操作。您可以单独训练检测器并保存到单独的文件中。这允许您添加新检测器、替换现有检测器等，而无需重新培训。 在您需要创建检测器向量之后。即：

std::vector<object_detector> detectors(3);
dlib::deserialize(detectors[0], "object_detector.svm");
dlib::deserialize(detectors[1], "object_detector_2.svm");
dlib::deserialize(detectors[2], "object_detector_3.svm");

然后你像这样运行检测：

std::vector<dlib::rect_detection> detections;
dlib::evaluate_detectors(detectors, image, detections);

然后您可以访问检测到的对象：

for (auto& det : detections) 
    det.rect;          // found rectangle
    det.weight_index;  // detector index in vector (to indentify object class)

在我的情况下，一次运行所有检测器 (5) 的执行速度比顺序运行它们快 2.5-3 倍。但这将取决于每个检测器的检测窗口相似程度。