Question

请帮助我更多地了解我的第一次哈尔培训结果。所以我想跟随Dileep Kumar’s文章训练哈尔分类器来识别简单的笔。

用手机拍了14张笔。这些图片大小很大： 263x2814
然后我收集了负面图片，其中一些是从网上下载的，尺寸 640x480 ，其中一些使用我的手机相机制作，尺寸为： 1920x1080,5313x2388

其中一些负面影像确实很大。我总共有158张负面图片之后创建负面和正面图像列表并运行：createsamples命令：

 perl createtrainsamples.pl positives.dat negatives.dat samples 250  "opencv_createsamples  -bgcolor 0 -bgthresh 0 -maxxangle 0.5 -maxyangle 0.5 maxzangle 0.5 -maxidev 40 -w 160 -h 20"

我不确定这里160 for for和20 for height是否合适？
然后在使用samples.vec文件后，我使用以下命令运行级联训练：

opencv_traincascade -data firstTry -vec samples.vec  -bg negatives.dat -numPos 250 -numNeg 99 -numStages 25 –featureType HAAR  -mode ALL -w 160  -h 20 -mem 2048

我使用相同的宽度和高度，但不确定这是否正确。我从一些参考脚本中获取了宽度和高度值。获取cascade.xml文件后，我使用以下参数在我的图片上运行detectMultiScale：

faces = faceCascade.detectMultiScale(   image,   scaleFactor=1.4,  minNeighbors=3,   minSize=(30, 30) )

检测效果不佳。它只是检测笔的某些部分而不是完整的笔。
此外，当我有一些笔放在环境中的照片，而不是笔没有被检测到。

我认为我需要调整所有正面和负面图像的大小并使它们大小相同，但不确定。
你能否就我在这里做错了什么以及如何改进我的结果提出一些意见。

您可以找到我的所有文件here：

Answer 1

这些仅基于我自己的经验：

我认为当原始图像的宽度和高度相等时，createsamples可以很好地。这是因为当creatamples旋转你的图像时，如果宽度和高度不同，图像就会被剪切掉（进入你的肯定文件夹并查看它创建的图像。你会看到。）所以我的建议是...如果这是你第一次想要测试创新样本（并且不知道其他任何方式），选择宽度和高度相等的圆形或方形物体。
你的负面和正面图片的数量非常低......应该是成千上万的。
正如我在＃1中所说，你的-w -h应该是相同的（如果使用的是创新样本）。并且不要 EVER 每个使用超过25个（我推荐20 20甚至15 15）。由于我经历了非常长的训练时间而没有太大的检测增益（实际上，一旦我经历了较低的检测率，可能是训练时间的5或6倍）。
在使用createsamples（可能是100x100）之前，将所有负片图像调整为相同的大小。并将原始图像的宽度和高度调整为一半或更低（可能为50x50）。
您可以在traincascade命令中更改一些重要变量，使检测效果更好，但它们会使训练时间过长：
```
-minHitRate 0.999 -maxFalseAlarmRate 0.1 -maxWeakCount 1000
```
警告：如果您要使用上述数字， 基本上必须 使用LBP而不是HAAR。 HAAR有更好的检测功能，但使用LBP可以使用更好的值，因为它占用的时间更少（尽管使用这些数字和大量图像（+10000）可能仍需要数天但是使用HAAR并且我可能几个月后见到你。以下是你如何制作LBP：-featureType LBP 更接近-minHitRate为1越好。较低的-maxFalseAlarmRate为0越好。并且-maxWeakCount越高越好。
另请注意，您设置的越多，您需要的阶段越少。你可能有一个25级的级联，比一个设置良好的6级级联更差。另外请注意，当您使用这些数字时，您的火车赛车可能看起来像是停留在获得负面图像上（虽然没关系）。
照明在检测中也非常重要。使用光线充足的房间可以获得更好的效果。

奇怪的是：当你想要检测笔时，为什么要使用faces = faceCascade.detectMultiScale。：D 不要让计算机比已经配对更困惑。的：d

改善哈尔培训成果的想法

1 个答案: