dlib目标关键点检测器训练

在训练之前 我们需要目标检测器和已标注的数据集:

dlib下训练自己的物体检测器

开始训练:

把“D:\dlib-19.15\python_examples”目录下的“train_shape_predictor.py”复制命名为“train_shape_predictor_hand.py”

并修改代码如下:

关键点训练结果:
tree_depth=2,num_threads=8,CPU:70% 内存:20+GB 6+小时 sp.data=15.8MB
tree_depth=4,num_threads=8,CPU:70% 内存:20+GB 12+小时 sp.data=63.3MB
tree_depth=5,num_threads=8,CPU:70% 内存:20+GB 16+小时 sp.data=126MB

个人理解:

提高tree_depth可以增加检测器的精确度但同时增加生成模型的体积

num_threads为线程,根据自己的机器CPU核数调整

命令行输入

每回车一次查看一张图片检测效果如下:

发表评论