结构化森林训练

简介

在本教程中，我们将展示如何使用作者最初的 Matlab 实现来训练您自己的结构化森林。

训练流程

1. 从链接下载“Piotr 的工具箱”，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 并注释掉第 26–41 行。在注释行后添加以下内容

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

7. 现在是编译 promise 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
       {
           // 此处为您的特征提取代码，默认代码为
           // 生成的特征 Mat 应为 n 通道，浮点矩阵
       }
    
   保护:
       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);
       // 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 文件放入根目录并运行 edgesDemo。您需要等待几个小时，之后新模型将出现在 models/forest/ 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，您可以通过我们的 ocv::StructuredEdgeDetection 使用它。为此，请运行 opencv_contrib/ximgproc/tutorials/scripts/modelConvert(model, "model.yml")

如何使用您的模型

只需使用带上面定义的类 NewRFFeatureGetter 的扩展构造函数

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