這幾個月一直在忙著做大**，乙個基於 svm 的新的目標檢測演算法。為了做效能對比，我必須訓練乙個經典的 dalal05 提出的行人檢測器，我原以為這個任務很簡單，但是我錯了。
為了訓練出乙個效能達標的行人檢測器，我花了半個月的時間，中間遇到各種 bug 我就不提了，下面只說正確的步驟。（基於 matlab 環境，但是沒有**，請您自己寫~）
訓練檢測器的正例（positive examples）資料庫最好採用「全圖+標註」的形式，不要是那種切出來的行人小，這有助於後續的 bootstrap 操作（當然，在 daimler 這樣的資料庫上似乎無法做到），初始的負例（negative examples）採用一組不包含行人的場景。其實負例的選擇並不重要，因為在 bootstrap 環節，真正影響效能的，靠近分類超平面的資料點會被自動找到。
大多數靠譜的資料庫都有自帶的標註讀取工具庫，或者遵循某種標註格式（例如 pascal），你也可以使用進一步封裝的標註讀取工具，例如 dollar 的 toolbox。
為了計算 hog 特徵，你可以採用 vlfeat 的 hog 計算函式，這個 hog 是我見過的檢測效能最好的之一（比 opencv 的 hog 好很多，效能提高超過 5%）。
訓練必須進行兩輪：初始訓練，以及 bootstrap 訓練。下面的所說的「切圖」操作，就是從某個位置切乙個 128 * 64 的子的意思，當然，你也可以採用其他的切圖尺寸。下面，談乙個很重要的問題，就是標註（ground truth）尺寸的歸一化，以及標註的外邊距（padding）對訓練結果的影響。
由於資料庫中的行人標註，並不是依照某種固定的長寬比，而 dalal 檢測器的輸出是固定長寬比的，所以，在切圖之前，必須將標註框（bounding box）的尺寸調整到統一比例。你也許會試圖不調整標註框，而是按照原始標註框切出，然後再將縮放到 128 * 64，但是這樣是不對的！檢測結果會打折扣。
此外，dalal **裡還指出，如果將行人周圍的一圈背景也包含到訓練子裡，那麼檢測器效果又會提公升幾個百分點，並且**指出上下左右個加 16 畫素的外邊距（padding）效果最好，我做了一下實驗，確實如此。
計算不包含 padding 時的行人長寬比 r，即（128 - 32）:（64 - 32）
經過上述步驟，所有標註框的比例都一致了，並且包含了 padding。
2.1 初始訓練
正例直接從訓練集中切出來，負例隨機從場景中切取，假設我需要 9000 個負例，資料集中有 1000 個場景，那麼平均每幅隨機切九個即可。切負例時沒必要考慮尺度，因為初始負例對整體訓練而言沒有顯著影響，所以隨便切即可，任性。
對切出來的資料提取特徵，然後丟到 liblinear 裡訓練乙個 svm，引數：
-b 1 -c 0.01-b 1是為了讓 svm 具有 bias term（就是 wx+b 中的那個 b），-c 0.01是 dalal **裡的 c 引數（你可以試著調一下，不過我試了一下，的確 0.01 最好）。
於是，我們得到了乙個初始的檢測器。svm 的支撐向量個數大概在 1000 ~ 3000 個不等。
2.2 bootstrap 訓練
初始檢測器是乙個非常非常差的檢測器，所以千萬不要試圖一次訓練後就直接拿來用。我們需要新一輪 bootstrap 訓練。
所謂 bootstrap 訓練，就是用初始檢測器在訓練資料集中進行檢測，蒐集所有的誤檢，將它們作為額外的新的負例加入先前的負例集合，然後再次訓練乙個 svm。所謂誤檢，就是乙個與所有標註位置重合都小於 50% 的檢測結果，這個「重合」可以用area(b1 & b2) / area(b1 | b2)來計算，其中 b1 和 b2 都是矩形框，「與」運算子是矩形框的交疊，「或」運算子是兩個矩形框覆蓋的區域相加。
一般來說，初始檢測器在訓練集上能找到大量誤檢，例如，我在 inria 上訓練時就有 2 萬個誤檢，這是正常的（所以你一定要把電腦的虛擬記憶體調大，否則 matlab 會掛），bootstrap 訓練後，得到的新的 svm 的支撐向量個數將達到 6000 個以上，這從乙個側面說明了，該輪訓練找到的負例重新約束了分類超平面的位置。
前面我提到，訓練時需要將標註框擴大，但是，擴大的標註框，將使檢測結果也被擴大，這時，你需要按照與擴大框的步驟相反的方式，將檢測結果框縮小。而且，為了使邊緣的行人不被漏掉，你可以將輸入的四周都加上 padding 後再進行檢測。
按照這種策略訓練出來的檢測器，在 inria 上達到了 precision：50%，recall：71% 的效能，超過了 opencv 自帶的 hog detector（其實沒有可比性，因為我用了更好的 hog 特徵），如果您有更好的方案，請告訴我，謝謝。
如何正確編譯執行乙個包含CocoPods類庫的專案
pod update過幾秒 也許需要十幾秒，取決於你的網路狀況 之後，終端出現 這裡的意思大概是podfile檔案過期，類庫有公升級，但是podfile沒有更改。pod install只會按照podfile的要求來請求類庫，如果類庫版本號有變化，那麼將獲取失敗。但是 pod update會更新所有的...
如何正確獲得ListView的每乙個item高度
最近android中使用listview 需要動態獲取每個item的高度 來計算listview的高度，計算過程中碰到一些問題，特此分享 前提 這個item的根view必須是linearlayout package com.bxg.news.view import android.view.view...
如何正確的更好的停止乙個執行緒？
前面提到過三種停止執行緒的方式，這三種方式不是被廢棄就是可能造成return汙染，最後雖然建議用拋異常法，但拋異常法依靠的是異常處理機制，下面介紹一種更常用的的停止執行緒的方法 通過在實現runnable介面的類裡面 或者是在繼承thread類的類裡面 定義乙個boolean型別的變數 標記 然後對...