结构森林训练

绪论

在本教程中，我们将展示如何使用作者的初始 Matlab 实现训练您自己的结构森林。

训练管道

1. 从 链接 下载“Piotr's Toolbox”并将它放入单独的目录中，例如 PToolbox
2. 从链接
   下载 BSDS500 数据集，并将其放入名为 BSR 的单独目录中
3. 将目录及其子目录添加到 Matlab 路径中。
4. 从链接
   下载检测器代码，并将其放入根目录。现在您应该有

   .
   BSR
   PToolbox
   models
   private
   Contents.m
   edgesChns.m
   edgesDemo.m
   edgesDemoRgbd.m
   edgesDetect.m
   edgesEval.m
   edgesEvalDir.m
   edgesEvalImg.m
   edgesEvalPlot.m
   edgesSweeps.m
   edgesTrain.m
   license.txt
   readme.txt

5. 将 models/forest/modelFinal.mat 重命名为 models/forest/modelFinal.mat.backup
6. 打开 edgesChns.m 并注释第 26-41 行。在注释行后添加以下内容

   shrink=opts.shrink;
   chns = single(getFeatures( im2double(I) ));

7. 现在是时候编译承诺的 getFeatures 了。我用以下代码完成

   #include <cv.h>
   #include <highgui.h>
    
   #include <mat.h>
   #include <mex.h>
    
   #include "MxArray.hpp" // https://github.com/kyamagu/mexopencv
    
   class NewRFFeatureGetter : public cv::RFFeatureGetter
   {
   public:
   NewRFFeatureGetter() : name("NewRFFeatureGetter"){}
    
       virtual void getFeatures(const cv::Mat &src, NChannelsMat &features,
                                const int gnrmRad, const int gsmthRad,
                                const int shrink, const int outNum, const int gradNum) const
       {
           // 在此添加您的特征提取代码，默认代码是
           // 结果特征垫应该是 n 通道浮点矩阵
       }
    
   protected:
       cv::String name;
   };
    
   MEXFUNCTION_LINKAGE void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
   {
       if (nlhs != 1) mexErrMsgTxt("nlhs != 1");
       如果 (nrhs != 1) mexErrMsgTxt("nrhs != 1");
    
       cv::Mat src = MxArray(prhs[0]).toMat();
   src.convertTo(src, cv::DataType<float>::type);
    
   std::string modelFile = MxArray(prhs[1]).toString();
   NewRFFeatureGetter *pDollar = createNewRFFeatureGetter();
    
       cv::Mat edges;
   pDollar->getFeatures(src, edges, 4, 0, 2, 13, 4);
       // 您可以在此处使用其他数字
    
   edges.convertTo(edges, cv::DataType<double>::type);
    
   plhs[0] = MxArray(edges);
   }

8. 将编译的 mex 文件放置在根目录并将运行 edgesDemo。您需要等待几小时，之后新模型将出现在 models/forest/ 中。
9. 最后一步是从 Matlab 二进制格式将训练模型转换为 YAML，您可以将该 YAML 与我们的 ocv::StructuredEdgeDetection 一起使用。为此，请运行 opencv_contrib/ximgproc/tutorials/scripts/modelConvert(model, "model.yml")

如何使用您的模型

只需使用上面定义的 NewRFFeatureGetter 类使用扩展构造函数

cv::StructuredEdgeDetection pDollar
= cv::createStructuredEdgeDetection( modelName, makePtr<NewRFFeatureGetter>() );