我想探測顯微鏡圖像細胞內的物體。我有很多帶注釋的圖片(app。有對象的圖像為50000，沒有對象的圖像為500000)。在

到目前為止，我嘗試使用HOG提取特征，并使用logistic回歸和LinearSVC進行分類。我嘗試了幾個HOG或color空間的參數(RGB、HSV、LAB)，但是我沒有看到很大的差別，預測率大約是70%。在

我有幾個問題。我應該使用多少圖像來訓練描述符？我應該用多少張圖片來測試預測？在

我試過用大約1000張圖像進行訓練，結果顯示55%的陽性率，5000張圖像的陽性率約為72%。但是，它也很大程度上依賴于測試集，有時一個測試集可以達到80-90%的陽性檢測圖像。在

下面是兩個包含對象的示例和兩個沒有對象的圖像：

另一個問題是，有時圖像包含多個對象：

我應該試著增加學習集的例子嗎？我應該如何選擇訓練集的圖像，只是隨機的？我還能試試什么？在

任何幫助都將非常感謝，我剛剛開始發現機器學習。我正在使用Python(scikit image&scikit learn)。在

總結

以上是生活随笔為你收集整理的python图片目标检测_图像中的目标检测（HOG）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。