only555 发表于 2016-4-26 11:32
我自己猜测也是 over Fitting 了。 现在用的算法是xgboost但最后用什么算法，还不确定，我们没有固定的算 ...
xgboost是一个库，这样来看你用的是boost算法，具体里面哪个，你应该写具体点，你到底怎么调用xgboost api的，用了什么参数。同一个算法，不同的参数对结果影响太大了。
还有你不是overfitting 问题。从你描述来看是feature extraction 问题，也就是你说的把图像转换成一个compact feature vector的问题。这本身就是识别问题非常重要的第一步，建议你用Histogram of Gradient,请自行google。这是非常成功的识别行人的feature extraction 方法，一般跟SVM一起用。但是它比较适合识别一个整个的人，对于单个身体部位的识别，比如，head, arm, leg,可能效果也不错。
另外，为什么要用xgboost?这个问题一般opencv自带的单机版机器学习库足够用了。我对opencv更熟悉些。
但是我还是那句话，识别人物和肢体，microsoft kinetic sdk效果非常好。当然你非要从底层feature extraction+ classifier都自己来，我靠，这个research+implementation工作量好大
楼主问题没问清楚，我觉得你这个有问题，首先你把一张图片转换成一个行矩阵，你一整个行矩阵都是你的feature？
如果要分析问题那一定得一步步讲的非常清楚才行，显然是算法过拟合了但是问题可能性太多了
问的莫名其妙，想帮忙都插不上嘴
本帖最后由 only555 于 2016-4-26 15:42 编辑
bitsun 发表于 2016-4-26 14:26
xgboost是一个库，这样来看你用的是boost算法，具体里面哪个，你应该写具体点，你到底怎么调用xgboost ap ...
我们最开始也想过找些开发好的第三方软件，稍微改动些直接用，主要 我们要把这个模型最后放在SAP HANA 里面，我这边的同事大家对R和python 比较了解，别的软件不知道最后能不能放在HANA或者 SAP BW里面。 所以大家想先自己弄看aufwand怎样。。。Histogram of Gradient 我看了，我基本找的就个，你还知道类似的能分辨人体身体部位的嘛?
不是很理解你的思路。首先检测是检测，分类是分类。
你要把人所在的那个窗口先扣出来尺寸归一化才能谈分类的问题。。。大小不一样怎么分类。
假设你已经做了归一化，其次800x600的图像为何你要做成1 x n的数列呢？
直接分成N个m x n 的小窗口计算HOG Feature，假设你用N通道的HOG，有O个窗口，你可以把Feature归一成 1 x (NxO) 的一维Feature列，然后用SVM或者别的分类器实现。
如果你是搞机器学习出身的，应该不难的
木_偶 发表于 2016-4-26 14:52
楼主问题没问清楚，我觉得你这个有问题，首先你把一张图片转换成一个行矩阵，你一整个行矩阵都是你的featur ...
一整个行距阵都是Feature的做法我只能想到Deep Learning的各种变种，确实有人这么粗暴地干。。
本帖最后由 yangdi12 于 2016-4-26 19:45 编辑
only555 发表于 2016-4-26 11:32
我自己猜测也是 over Fitting 了。 现在用的算法是xgboost但最后用什么算法，还不确定，我们没有固定的算 ...
*一行对应一个分类* 这句话指的是一行中每一个数值都是一个feature的一个维度。（也有同时用几个feature拼起来的，这里先略过）
你要先对原来整体图像进行feature extraction呐。可以先切割成小块然后做各个小块的特征提取，然后按顺序从头到尾连起来成1xn的行数据（典型HOG） 。也可以做整图特征提取（典型SIFT等）。
如果你非要直接生成800x600的行向量，扔去训练，你的服务器是撑不住的。
要避免特征提取问题，你可以用图像缩放算法，比如image pyramid， 缩成 40x30的图像，然后做成1x1200的向量直接扔去训练。但根据我的经验，这种暴力做法只有deep learning方向的各种NN的变种才有可能实现，而且精确度还不一定比传统SVM高。
做这个没啥前途啊，请看google图像搜索....
人家google公司大吧，资金充足吧，人员够顶尖吧，再看google图像搜索功能，用用就知道了，跟泼屎一样，你做这个能弄出个啥
傻卵 发表于 2016-4-26 19:44
做这个没啥前途啊，请看google图像搜索....
人家google公司大吧，资金充足吧，人员够顶尖吧，再看google ...
人如其名
yangdi12 发表于 2016-4-26 19:33
不是很理解你的思路。首先检测是检测，分类是分类。
你要把人所在的那个窗口先扣出来尺寸归一化才能谈分类 ...
说的很对，从楼主给出的图像尺寸来看，不大可能已经normalization(是不是就是你说的归一化？)。所以我还忘记提feature extraction前的sliding window方法。
我觉得楼主肯定不是机器学习出身，我个人认为选择的库就很狭窄，限定于boost，不过是用来训练大数据量的分布式boost，为什么不用opencv呢，这是带python wrapper的，甚至可以用 torch。我感觉楼主更想要的是一个现成能用的sdk，感觉微软的kinetic sdk绝对是首选。