【发布时间】：2019-10-09 03:47:46
【问题描述】：
我正在使用 HaarCascade 开发自己的对象检测器。顺便说一句，我在某些时候被卡住了，我将在下面解释。
情况是这样的： - 我收集了 100 个我的对象的图像（比如说苹果） - 我收集了大约 1500 张底片图片 - 我创建了 negatives.txt，一个包含底片图像路径的文件 - 我创建了 positives.txt，这是一个包含路径、对象数量、坐标和正图像尺寸的文件
现在，这就是问题所在。
使用opencv_createsamples.exe 来扩充我的数据/图像，我看到如果我对每个对象图像执行它（使用相同的参数），输出将或多或少是 1000 个正图像（底片背景 + 对象）以及.lst file 包含负图像内的路径和对象坐标。
这些坐标不会改变（因为我是在执行opencv_createsamples.exe时设置的）。
问题是：为我的每个对象图像更改createsamples 所需的参数然后将它们全部合并是个好主意吗？
我现在正在做的例子：
- opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7
- 我的每个底片的对象图像之一
- .lst 包含信息的文件（如果对每个正对象图像执行相同）
我愿意做的例子：
- 对于我的每个底片的每个对象图像
- 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（参数随机取值）
- 多个 .lst 文件，每个对象图像具有不同的信息
- 合并所有.lst
我真的希望我解释了一切。
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）进行训练或仅使用一个对象相同，我将获得更好的准确性？
词汇表：
- object = 我想检测的东西（一个苹果）
- 负图像 = 不包含对象的背景图像
- 正图像 = 处理后的图像（创建样本输出）和负图像 + 对象
谢谢大家
更新
在 HaarCascade 上观看 Sentdex 视频后在这里：Training Haar cascade object detection - OpenCV with Python for Image and Video Analysis 20
【问题讨论】：
标签： python opencv training-data haar-classifier