目錄
遇到的問題：
解決方法：把maxFalseAlarmRate 降低
參數了解：
訓練模型需要的檔案
一些其他知識：
遇到的問題：
train dataset for temp stage can not be filled.
正樣本：
負樣本：
錯誤：
===== TRAINING 0-stage =====
<BEGIN
POS count : consumed 1000 : 1000
Train dataset for temp stage can not be filled. Branch training terminated.
最開始不了解樣本數量的要求，以為是樣本數量不夠，就複制了一些，是以圖上重複的很多。
最終，正樣本198個。負樣本588個。
解決方法：把maxFalseAlarmRate 降低
個人嘗試了無效的方法：
1、解讀源碼，認為是路徑有問題的，無效果。不過對源碼的解讀還是值得看。https://blog.csdn.net/tanmx219/article/details/81783803#commentBox
2、
參數了解：
官網解讀連接配接：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html#id9
中說明了各個參數，其中：
- -minHitRate <min_hit_rate>
分類器的每一級希望得到的最小檢測率。總的檢測率大約為 min_hit_rate^number_of_stages。
- -maxFalseAlarmRate <max_false_alarm_rate>
分類器的每一級希望得到的最大誤檢率。總的誤檢率大約為 max_false_alarm_rate^number_of_stages.
最大虛警率，影響弱分類器的門檻值，表示每個弱分類器（應該就是每一層）将負樣本誤分為正樣本的比例，一般預設值為0. 5
我了解， maxFalseAlarmRate 應該越小越好，那為什麼opencv預設設定為0.5呢，這麼高！是以我遇到了上面的報錯，從哪個圖看，是沒有獲得新的樣本了，是以我把maxFalseAlarmRate 降低到0.1一下，錯誤解決了。這樣是否合理呢？
關于這個參數的意思，連接配接：https://blog.csdn.net/beizhengren/article/details/77095969
中也有說明。
hitRate = tp / (tp + fn) = recall
falseAlarm = fp / (tn + fp)
這裡hitRate稱為“命中率”，度量檢測器對正樣本的通過能力，顯然越接近1越好；而falseAlarm稱為“虛警率”，度量檢測器對負樣本的通過能力，顯然越接近0越好。
預設minHitRate = 0.995，預設maxFalseAlarmRate = 0.5。假設stageNum = 20時，最終檢測器有：
hitRate ≈ minHitRate ^ stageNum = 0.995 ^ 20 = 0.904610....
falseAlarmRate ≈ maxFalseAlarmRate ^ stageNum = 0.5 ^ 20 = 0.00000095...
當然，如果我設定為0.1，訓練20層，最終的誤報率 0.1^20= 接近0 。
訓練模型需要的檔案
negdata檔案夾：負樣本圖檔
posdata檔案夾：正樣本圖檔
生産目錄檔案：（生成之前切記注意win系統檔案名中的空格要去掉。）
去掉空格可以用下面的批處理指令，儲存為bat拷貝到需要的目錄
@echo off&setlocal enabledelayedexpansion
for /f "delims=" %%i in ('dir /s/b *.*') do (
set "foo=%%~nxi"
set foo=!foo: =!
set foo=!foo: =!
ren "%%~fi" "!foo!"
)
exit
生成目錄：
進入posdata目錄:執行 dir /b/s/p/w *.jpg > pos.txt
進入negdata目錄:執行 dir /b/s/p/w *.jpg > neg.txt
生成後，将2個TXT拷貝出來。到exe所在的目錄層級。
并修改pos.txt，在後面加上： 數量，x坐标，y坐标，圖檔寬度，圖檔高度。
如下圖：
添加好，建立正樣本的圖檔的二進制儲存檔案，就是vec檔案。其中，num 正樣本圖檔檔案數量。 -w -h 是希望縮放到的大小。所有切圖準備正樣本的時候，大小可以是任意的。但是建議還是用固定的。
opencv_createsamples.exe -vec pos.vec -info pos.txt -num 198 -w 20 -h 20
生成pos.vec。
開始訓練：
建立bat檔案
opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 110 -numNeg 600 -numStages 20 -w 20 -h 20 -maxFalseAlarmRate 0.3 -mode ALL
pause
訓練中：
一些其他知識：
1、正樣本數量：負樣本數量=1:3
2、剛開始生成的目錄TXT，要把裡面最後一行的 空行 删除。
3、檔案縮放到的大小，建議pos 20*20 ，neg 50*50
4、Oh wow I completely misread your training output. Getting the positive samples was no problem at all. The problem lies in your negative samples. I am guessing you have exactly 1500 samples with the model size and that it? Keep in mind that -numNeg is the amount of samples that need to get wrongly classified by the previous stages, in order to be valid for a new negative sample for the next stage. This means that for example, for creating 3 stages you need for example 2000 negative windows, but -numNeg will only be like 700. You get it?
意思是 opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 170 -numNeg 190 -numStages 20 -w 20 -h 20 -mode ALL 中的 numNeg應該設定為（neg樣本/numStages），是這樣嗎？
5、一般訓練到損失為0.0004就可以，繼續訓練可能過拟合。要合理選擇stage。
6、 訓練時候的 -numPos 170 -numNeg 190 ，這2個參數是每一層訓練時用的圖檔數量，
7、img/img_with_faces_1.jpg 1 140 100 45 45
img/img_with_faces_2.jpg 2 100 200 50 50 50 30 25 25
其中 1,2 表示這個圖中有幾個目标。後面的4位坐标，前2個是坐标起始點，後兩個是尺寸大小。用來從裡面扣正樣本。當然如果隻有1個樣本，而且在0,0 位置，就是1 0 0 width heigth
8、報錯 Train dataset for temp stage can not be filled. Branch training terminated.
9、負樣本的 neg.vec 是不需要建立的。隻需要由負樣本的目錄.txt 。注意：負樣本的圖檔大小可以不用進行歸一化成統一大小，因為其在訓練的時候可以進行指定大小，訓練時會進行圖像resize操作。
10、儲存xml的檔案夾需要手動建立，。
11、真正訓練的時候，正樣本不是用圖檔的形式輸入，是用pos.vec ，這裡面已經用二進制的方式保留了縮放後的所有圖檔。
12、opencv_createsamples 也可以用來檢視和檢查儲存于vec正樣本檔案中的正樣本。這時隻需指定 -vec ， -w 和 -h 三個參數則可。 opencv_createsamples 将逐一顯示正樣本圖像。
13、N訓練層數，HR 命中率；FA 警告，隻有當每一層訓練的FA < maxfalsealarm數值才會進入下一層訓練
14、記得一定要numPos小于vec_file檔案裡面的數 一般numPos為0.9*num_in_vec或者為0.8*num_in_vec
15 -numNeg 可以選所有的負樣本數量，或者比負樣本數量大都可以。
15 【計算機視覺】如何使用opencv自帶工具訓練人臉檢測分類器
16\ Number of stages or maxFalseAlarmRate?