结构化森林训练

简介

本教程将演示如何使用作者最初的Matlab实现来训练你自己的结构化森林。

训练流程

1. 从链接下载“Piotr's Toolbox”，并将其放入单独的目录中，例如PToolbox
2. 从链接<http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/BSR/>下载BSDS500数据集，并将其放入名为BSR的单独目录中
3. 将这两个目录及其子目录添加到Matlab路径。
4. 从链接<http://research.microsoft.com/en-us/downloads/389109f6-b4e8-404c-84bf-239f7cbf4e3d/>下载检测器代码，并将其放入根目录。现在你应该拥有：

   .
   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。在注释行之后添加以下内容：

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

7. 现在是编译承诺的getFeatures的时候了。我使用以下代码：

   #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
       {
           // 此处为你的特征提取代码，默认代码为：
           // 结果特征Mat应该是一个n通道的浮点矩阵
       }
    
   protected:
       cv::String name;
   };
    
   MEXFUNCTION_LINKAGE void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
   {
       if (nlhs != 1) mexErrMsgTxt("nlhs != 1");
       if (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);
       // 你可以在这里使用其他数字
    
   edges.convertTo(edges, cv::DataType<double>::type);
    
   plhs[0] = MxArray(edges);
   }

8. 将编译后的mex文件放入根目录并运行edgesDemo。之后你需要等待几个小时，新的模型才会出现在models/forest/目录中。
9. 最后一步是将训练好的模型从Matlab二进制格式转换为YAML格式，你可以将其与我们的ocv::StructuredEdgeDetection一起使用。为此，请运行opencv_contrib/ximgproc/tutorials/scripts/modelConvert(model, "model.yml")

如何使用你的模型

只需使用上面定义的类NewRFFeatureGetter的扩展构造函数：

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