HaarCascade培训：合并.lst文件

Question

我正在使用HaarCascade开发自己的对象检测器。顺便说一句，我被困在某个地方，我将在下面解释。

情况是这样的： -我收集了100张物体的图像（比如说苹果） -我收集了大约 1500张底片图像 -我创建了 negatives.txt ，该文件包含底片图像的路径 -我创建了 positives.txt ，该文件包含我的正像的路径，对象数，坐标和尺寸

现在，这就是问题所在。

使用opencv_createsamples.exe扩展我的数据/图像，我看到如果我对每个对象图像执行相同参数的输出，则输出将或多或少为1000个正图像（负背景+对象）以及.lst file包含负像内的路径和对象坐标。 这些坐标不会改变（因为我在执行opencv_createsamples.exe时进行了设置）。

问题是：更改createsamples我的每个对象图像所需的参数，然后将它们全部合并，这是一个好主意吗？

我现在正在做什么的示例：

• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7
• 针对我的每个底片，为我的一个目标图片
• .lst文件（带有信息的文件（如果对每个正对象图像都执行相同）

我愿意做的事的例子：

• 对于我的每个底片，对于我的每个对象图像
• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7-opencv_createsample.exe -p1 0.6 -p2 0.7 -p3 0.8，依此类推（带有参数的随机值）
• 每个对象图像的多个.lst文件具有不同的信息
• 所有.lst的合并

我真的希望我能解释一切。

我怀疑这样做的效率：通过在不同位置使用不同对象（同一类）进行训练，或者仅使用一个对象就可以达到相同的精度？

词汇表：

• object =我要检测的东西（一个苹果）
• 负图像=不包含对象的背景图像
• 正图像=带有负+对象的已处理图像（创建样本输出）

谢谢

更新

在HaarCascade上观看Sentdex视频后，Training Haar cascade object detection - OpenCV with Python for Image and Video Analysis 20

Answer 1

我认为在每个（正）图像中使用多个对象训练模型时，您会获得更好的结果。它还取决于您要实现的目标。 1.尝试在问题中提到的两种方法，并使用相同的图像对其进行测试。 2.比较有效性（检测的准确性）和效率（例如，速度是否存在明显差异？）