自己写的adaboost级联分类器训练失败

[Amberrr_Li]

我写了一个adaboost级联分类器，级联部分参照论文Robust Real—time Face detection写的。也就是我训练的时候有training
set和validation set。training set有3000正样本，8717负样本；validation set有2000正样本，5000负样本。当训练完第一级，将training set的负样本置为空集，validation set的分错的负样本（false positive sample）作为training set的第二级的负样本。结果是我的false positive samples只有20个，导致第二级负样本太少，程序陷入死循环。怎么办啊？我设置的false positive rate是37.5%，但是实际上当检测率达到要求的时候，false positive rate早就达到要求了。大家帮我想想办法吧！谢谢各位了！

[prfans1]

个人的一点看法：
负样本不够多造成下一级没有负样本了。
建议增加大量负样本，尤其是和识别场景相关的负样本。
另外，负样本没有了，证明训练已经可以结束了，看看是否是迭代次数太大了？
只要样本量很大，陷入死循环时直接出来即可，那时生成的参数文件即可使用。

[赵4老师]

不明觉厉！

[Amberrr_Li]

引用 2 楼 prfans1 的回复:

个人的一点看法： 负样本不够多造成下一级没有负样本了。 建议增加大量负样本，尤其是和识别场景相关的负样本。 另外，负样本没有了，证明训练已经可以结束了，看看是否是迭代次数太大了？ 只要样本量很大，陷入死循环时直接出来即可，那时生成的参数文件即可使用。

你说的很对，我现在训练完一级专门用一个负样本集来扫描，找到那些分错的。但是，false positive rate在下一级刚开始实际上就很低了。按理说，因为选的都是之前分错的负样本，到下一级训练的时候应该fp比较高才对。这点一直很疑惑。而且，我有10000个特征，每一级竟然只有几十个特征被选出来。太奇怪了。。 另外，我用的是regionlet的方法，提取的是方向梯度直方图。

[Amberrr_Li]

引用 1 楼 zhao4zhong1 的回复:

不明觉厉！

样本不够的问题现已解决。现在的问题是每一级选出来的特征，也就是弱分类器个数太少（10000个每一级才选出几十个）。而且，我用较少级数检测检测率还可以，当然误检率也比较大；用较大级数检测，检测率下降的很厉害，，误检率也降低了。