在 Haar Cascade 中从多个图像创建训练集答案

【问题标题】：Creating training set from multiple images in Haar Cascade在 Haar Cascade 中从多个图像创建训练集
【发布时间】：2018-02-04 17:09:29
【问题描述】：

我目前正在检测给定图像中的多个水果。例如，给定的图像可以有香蕉（如黄色、红色和绿色）、芒果、橙子等水果。我能够使用opencv_createsamples 一次只创建一张图片的训练集。

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

类似地，我已经为大约 5 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？

还有其他方法可以检测给定图像中的多个水果吗？

【问题讨论】：

标签： python-2.7 python-3.x haar-classifier cascade-classifier

【解决方案1】：

haar 分类器非常适合快速检测一类外观相似的对象，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）为特定类训练对象。

除非要检测的对象是相似的（例如具有不同特征的人脸或不同品牌和型号的汽车），使用每个水果（例如香蕉、橙子、芒果等）分类器进行训练会更有效。

要创建基于多个正样本图像的训练向量（以及对于 haar 分类器训练的任何其他方面，我建议使用步骤 here - 步骤 5 和 6 - 以及 http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html 中介绍的详细信息。在您的情况，正面图像应包括所有类型的香蕉、橙子、芒果等，包括颜色变化等。

【讨论】：

@Madhuri 谢谢你

【解决方案2】：

如果您想用同一水果的不同变体训练分类器，您可以按照here 的描述从多张图像中生成训练样本。

但是，请注意，Haar 分类器以灰度工作，很难保证区分红色和黄色香蕉等对象。

如果您想在一个分类器中包含多个类，我推荐YOLO（You Only Look Once）或SSD（Single Shot multibox Detector）。

【讨论】：