OpenCV 级联分类器训练

Posted 2023-03-13

【中文标题】OpenCV 级联分类器训练

【英文标题】：OpenCV Cascade Classifier Training

【发布时间】：2017-11-21 14:50:27

【问题描述】：

我参考this tutorial 和this file 来训练我自己的分类器。但我遇到了一些问题。

我使用 objectmarker.exe 来生成 info.txt。在 info.txt 中，每条记录都有不同的宽度和高度，但它们都保持矩形的比例。那么，02 haarTraining.bat中的width和height参数的值应该怎么设置呢？

负样本的宽度和高度也应该跟随正样本？

2017 年 6 月 20 日更新

例如，我使用objectmarker.exe 标记了以下2 个图像（标记区域表示为绿色矩形）。但是这2个矩形的宽高是不一样的。

在 info.txt 中：

rawdata/IMG_20170616_170411.jpg 1 993 424 201 284 
rawdata/IMG_20170616_170544.jpg 1 895 994 69 95 

因此，我不知道如何在 02 haarTraining.bat 中配置宽度和高度参数。

【问题讨论】：

没看完整个视频，但是好像他们选择了所有的阳性样本作为numPos，不太好！每个阶段都会丢失一些正样本，因此正样本应该比 numPos 多。

我不明白为什么正样本> numPos。 numPos 用于告诉 haartraining.exe 有多少样本用于训练。因此，numPos 的值应该等于正样本的数量。我错了吗？

numPos 是每个阶段的正样本数！如果您的 minHitrate

***.com/questions/44337461/…

【参考方案1】：

所以你的阳性标记样本的纵横比是固定的吗？选择您仍想检测的物体的最小尺寸，但要足够大以拥有所有必要的特征（所以也许您必须多次训练并选择最好的——在原始人脸检测论文中就是这样完成的）。

负样本只是不允许包含目标对象，大小无关紧要，每个负样本中的每个（调整大小的）图像（子）窗口都将用作负样本。

例如，如果您想在图像中检测样本大小为 28x24 的猫，您可以提供一张 8000x6000 的街景图像，其中没有任何猫，这将自动为训练提供大量大小为 28x24 的负样本。

【讨论】：

长宽比不固定。我更新了一个例子，你能给我一些建议吗？

您必须固定纵横比并调整标记区域（例如添加一些背景）以适应纵横比。但是，如果您可以稍微扭曲对象（例如，纵横比“几乎”固定），那么调整标记对象的大小可能对您来说是可以的。要选择样本大小，您可以使用平均/中值纵横比。