在Haar Cascade中创建多个图像的训练集

Question

我目前正致力于检测给定图像中的多个水果。例如，给定的图像可以有水果，如香蕉（如黄色，红色和绿色），芒果，橙子等。我能够使用opencv_createsamples一次创建仅包含一个图像的训练集。

示例代码：

  

C：\ opencv \ build \ x64 \ vc14 \ bin \ opencv_createsamples.exe -img redbanana.jpg -bg bg.txt -info info / info.lst -pngoutput info -maxxangle 0.5 -maxyangle 0.5 -maxzangle 0.5 -num 100

同样地，我已经完成了大约5个水果，为每个水果创建了单独的vec文件。很难为每种水果创造。是否有可能使用单个vec文件作为输出从多个图像创建训练集？

是否有其他方法可以检测给定图像中的多个水果？

Answer 1

haar-classifier非常适合快速检测一类类似的外观对象，如opencv文档http：// docs.opencv.org/2.4/modules/objdetect/doc/cascade_classification.html中所述。例如，opencv存储库（https：// github.com/opencv/opencv）有一个分类器列表（https：// github.com/opencv/opencv/tree/master/data/haarcascades），这些分类器是针对特定类别的对象。

除非要检测的物体相似（如具有不同特征的面部或不同品牌和型号的车辆），否则每个水果的分类器（例如香蕉，橙子，芒果等）的训练会更​​有效。

要创建基于多个正样本图像的训练向量（并且对于哈尔分类器训练的任何其他方面，我建议步骤here - 步骤5和6 - 以及{ {3}}。在您的情况下，正面图像应包括所有类型的香蕉，橙子，芒果等，包括颜色的变化等。

Answer 2

如果您想训练具有相同水果的不同变体的分类器，您可以按照here所描述的多个图像生成训练样本。

但是，请注意Haar分类器在灰度级工作，很难保证红色和黄色香蕉等物体之间的区别。

如果您想在一个分类器中使用多个类，我建议YOLO（您只需查看一次）或SSD（单镜头多盒检测器）。