2020年02月23日
好みの顔を選ぶコピー人形(カスケード分類器)
こちらを参考に作業しました。
およそ2150枚の写真を
一枚一枚確認し、
好みの顔が写っている写真1197枚に対して、
ラベル付(ラベル情報の取得)を行いました。
ラベル情報はinfo.datに保存され、
それをもとにベクトル画像ファイルを生成します。
$ opencv_createsamples -info info.dat -c preferface.vec -num 1197
あっという間に、ベクトル画像データが出来上がりました。
次に、このベクトル画像ファイルと
さきほどの2150枚の画像を用いて、
好みの顔のカスケード分類器を作成します。
$ opencv_traincascade -data ./cascade/ -vec preferface.vec -bg bg.txt -numPos 950 -numNeg 903
ベクトル画像ファイル生成に用いた1197枚のおよそ8割程度(今回は950枚)を教師データにすると、ちょうどよいそうです。なお、好みの顔が写っていない写真を903枚準備しました。
さて、学習にはPCの性能にもよりますが、
私のPCでは30分以上かかりますので、一旦筆を置きます。
結局、2時間以上学習にかかりました。
PCさんおつかれさんです。
結果です。
3年B組さんです。
なんと、片寄くんが外れています。
これを本当に私のコピー人形と言っていいのかな?汗)
およそ2150枚の写真を
一枚一枚確認し、
好みの顔が写っている写真1197枚に対して、
ラベル付(ラベル情報の取得)を行いました。
ラベル情報はinfo.datに保存され、
それをもとにベクトル画像ファイルを生成します。
$ opencv_createsamples -info info.dat -c preferface.vec -num 1197
あっという間に、ベクトル画像データが出来上がりました。
次に、このベクトル画像ファイルと
さきほどの2150枚の画像を用いて、
好みの顔のカスケード分類器を作成します。
$ opencv_traincascade -data ./cascade/ -vec preferface.vec -bg bg.txt -numPos 950 -numNeg 903
ベクトル画像ファイル生成に用いた1197枚のおよそ8割程度(今回は950枚)を教師データにすると、ちょうどよいそうです。なお、好みの顔が写っていない写真を903枚準備しました。
さて、学習にはPCの性能にもよりますが、
私のPCでは30分以上かかりますので、一旦筆を置きます。
結局、2時間以上学習にかかりました。
PCさんおつかれさんです。
結果です。
3年B組さんです。
なんと、片寄くんが外れています。
これを本当に私のコピー人形と言っていいのかな?汗)
タグ:カスケード分類器
【このカテゴリーの最新記事】
-
no image
-
no image