【機器學習】【Python】四、Hard Negative Mining優化訓練SVM模型 ---- 《SVM物體分類和定位檢測》

2017年6月25日#Machine Learning141

AI 翻譯

這篇文章透過AI由簡體中文翻譯成繁體中文。查看原文

AI 生成的摘要

這篇文章介紹了如何通過hard negative mining來優化訓練SVM模型。作者通過使用PSO優化參數，提高了模型的準確率，但仍未達到預期目標。因此，作者嘗試使用hard negative mining的方法，先使用原始訓練集訓練出一個模型，然後對所有負樣本進行滑窗預測。如果預測結果為正，則將該窗口加入訓練集，並指定標籤為負。需要注意的是，在原始數據中，負樣本要遠遠多於正樣本。

** 最新程式碼 Github 地址： ** https://github.com/HansRen1024/SVM-classification-localization

前言#

通過 PSO 優化參數，訓練好的模型準確率提升了 4% 左右。還不滿足預期目標。所以又嘗試通過 hard negative
mining 優化訓練 SVM 模型。原理大概就是先用原始訓練集訓練出一個模型，然後對所有負樣本滑窗預測。如果該窗口預測結果為正，那麼將該窗口加入訓練集，指定 label 為負。需要注意的是原始數據中，負樣本要遠遠大於正樣本。