图像中的对象检测（HOG）

Question

我想检测显微镜图像单元格内的对象。我有很多带注释的图像（应用程序50.000图像与对象和500.000没有对象）。

到目前为止，我尝试使用HOG提取特征并使用逻辑回归和LinearSVC进行分类。我已经尝试了HOG或色彩空间（RGB，HSV，LAB）的几个参数，但我没有看到很大的差异，预测率大约为70％。

我有几个问题。我应该使用多少图片来训练描述符？我应该使用多少图片来测试预测？

我已经尝试过大约1000张训练图像，这给我55％的积极和5000，这给我72％的积极。但是，这也取决于测试集，有时测试集可以达到80-90％的正检测图像。

下面是包含一个对象的两个例子和两个图像没有对象：

的另一个问题是，有时图像包含几个对象：

我应该尝试增加学习集的示例吗？我应该如何选择训练集的图像，只是随机？我还能尝试什么？

任何帮助将非常感激，我刚开始发现机器学习。我正在使用Python（scikit-image & scikit-learn）。

Answer 1

我认为你在正确的道路是，但让我提出一些注意事项：

1 - 训练集的数量将是分类 问题始终是重要的（通常情况下，更多的是更好）。但是，您必须具有很好的注释 ，并且您的方法应该对异常值有效。

2 - 从您所放置的图像中，似乎颜色直方图 比HOG更具辨别性。当使用颜色直方图时，我通常使用 为Lab色彩空间和相关的a-b直方图。 L是亮度，而且很依赖于图像获取（例如亮度）。用于重新识别行人的一种方法 是将图像划分为 块，并计算这些块内的直方图。这可以帮助 。

3 - 测试你的分类方法，最好的方法是交叉验证： http://en.wikipedia.org/wiki/Cross-validation_%28statistics%29#k-fold_cross-validation

4 - 您是否尝试过其他的分类？WEKA可能是 轻松地测试不同的方法/参数很有意思： http://www.cs.waikato.ac.nz/ml/weka/

5 - 最后，如果你仍然有坏的结果，而且不知道其中 样的，你应该使用功能，您可以将深层神经网络 它！

希望它有帮助。