我必须训练多达20个哈尔分类器。我所拥有的是：
在命令行方法中，与CGT，MATLAB的ROI标记界面相比，ObjectMarker界面非常用户友好。
然而，每当我使用CGT，MATLAB时，即使是 250张正面图像和 30000张负面图像（均使用视频文件创建）的小样本，它也无法说：
"Could not create sufficient samples, either decrease the False Alarm Rate, decrease the number of stages or increase the number of negative images."
虚警率已经设置为0，即要使用的+ ve和-ve图像的数量相等，并且阶段的数量已经是非常小的值，即10.我无法完成此操作。
那些已经创建了有效工作的分类器的人，请指导我：
我应该使用哪两种方法？
上面列出的方法有其他替代方法吗？
答案 0 :(得分：0)
您想要检测哪种物体？你使用什么样的负片？理想情况下，负片图像应该是通常与您感兴趣的对象相关联的场景的大图像。
修改 即使您提供30K的负图像，训练可能仍然没有足够的负样本。 trainCascadeObjectDetector函数通过运行由负图像到目前为止的阶段组成的检测器，为每个阶段生成负样本。如果检测器检测到任何物体，则它们是构造误报，并且它们被用作下一阶段的负样本。根据您提供的负像类型，很可能在经过一定数量的阶段后，电流检测器不会检测到负像中的任何误报。
你说你的负片图片来自你房间的视频。问题可能是您的所有负面图像彼此太相似。所以你应该尝试在你的负面集合中包含其他图像，以使其多样化。此外，您应确保在负片图像中包含除了您正在训练的手势之外的手势图像。