Descripcion del entrenamiento
Se extraen 10 imagenes aleatorias crop de las imagenes negativas
La funcion esta implementada en el directorio crop_random.
parametros
-data listado de imagenes negativas
-count cantidad de imagenes
-size tamaño minimo de la extraccion (66x130)
-directory_out Directorio de salida de las imagenes
Ejemplo: crop_random/crop -data listas/list_neg.txt -count 10 -size 66x130 -directory_out ../Imagenes/NEG
Calcula el hog para las imagenes positivas y negativas_crop
Esta implementado en el directorio hog
parametros
-data listado de imágenes a extraer el hog
-param parametros de hogs
-directory_out Directorio de salida de los hogs
Ejemplo: hog/hog -param parameters -data listas/list_pos.txt -directory_out datapos
Se entrena la SVM Lineal. Se obtiene el modelo
libsvm/libsvm-2.89/svm-train -c 0.1 -t 0 -e 0.1 -h 0 -m 800 -v 5 svm/svm_train.txt > c01.txt libsvm/libsvm-2.89/svm-train -c 0.1 -t 0 -e 0.1 -h 0 -m 800 svm/svm_train.txt svm/svm.model
Se busca en las imagenes negativas personas con el modelo obtenido
Esta implementado en el directorio buscar_neg. Se le tiene que pasar los parametros y el listado de las imagenes negativas.
Ejemplo: buscar_neg/buscar_neg parameters listas/list_neg.txt
Se crean los hog de las imagenes falsas positivas obtenidas en el paso anterior
Con estas nuevas imagenes realizaremos un entrenamiento hard
Entreno el modelo con las imagenes falsas positivas obtenidas
Creo el nuevo modelo hard
Testeo las imagenes con el nuevo model hard. La serie de imagenes a utilizar es para test.
Esta implementado en el directorio test_images. Obtemnemos un archivo con los valores svm de las imagenes testeadas. Debemos realizarlo tanto para las imagenes de testeo positivas (70x134) como para las imagenes negativas (600x400)
Ejemplo:test_images/test_images parameters listas/list_test_pos.txt
Realiza un conteo e imprime los resultados. Los valores son almacenado en valores.txt
Se encuentra implementado en el directorio contar.
Para mas informacion ver Makefile
