关于opencv_traincascade的所有问题

Question

我试图创建一个好的级联分类器几周，但似乎这个过程被神秘所包围。我有很多问题：

1）为什么opencv给我们这么少的信息？

2）它需要更多正面图像还是负面图像？

3）什么尺寸应该有正面图像？和负面形象？它们必须具有相同的尺寸？

4）如果我想为单个道路标志创建一个分类器就足够了一个像this这样的正面图像来创建带有opencv_createsamples的样本吗？

5）创建在Android应用程序上使用的分类器是更好的Haar还是LBP？

6）正确的阶段数是多少？

7）minHitRate和maxFalseAlarmRate的正确值是多少？

Answer 1

1. 它提供了信息，阅读它http://docs.opencv.org/doc/user_guide/ug_traincascade.html
只是有点无聊
2. 由于多种原因，您需要更多负面图像。首先，当有更多正面图像然后是负面时，它有时会崩溃，其次 - 大多数时候，训练的重点是在负面图像中寻找被检测为对象并修复错误的东西。
3. 据我所知，这并不重要，但相关的是他们自己的负面形象。它们应该接近你物体的真实背景，我的意思是如果它是一个交通标志，不要在你的办公室点击图片作为背景，点击外面的照片。
4. 对我而言，只需要一张我的物体照片，用opencv_createsamples生成1500个样本，但更好的是有几个图像10,20可以生成100个样本，然后将它们全部合并到一个训练集中
5. Haar的训练和运行时间较慢，但有时它更精确，所以我的选择是LBP。
6. 您可以逐步训练级联，在开始时制作10-15个阶段，然后逐个添加。所有阶段都记录下来，而且您不必每次都从第一阶段开始。

7.我没有使用这些参数，我总是将它们保留为默认值，但您可以在此处查看about traincascade paremeters, samples, and other...以获取解释。

同时检查此问题并回答How to train cascade properly和FAQ - HAARTraining