使用小样本进行 Haar 训练答案

【问题标题】：Haar training with small samples使用小样本进行 Haar 训练
【发布时间】：2017-05-11 08:53:52
【问题描述】：

请任何人帮助我在哪里可以获得使用小样本（例如 5）的 Haar 训练文件？我已经下载了几个，但一个给我错误消息，而第二个需要 1000 个样本。

非常感谢

【问题讨论】：

标签： opencv visual-c++ object-detection haar-classifier

【解决方案1】：

小样本不是它的设计方式。几乎所有让我们进行分类的算法都需要大量的训练样本。

【讨论】：

非常感谢。您认为对于任何分类算法而言，相当数量的样本是多少？
同样的话，你需要大量的样本来训练，不管数量是否合理。

【解决方案2】：

这取决于您要检测的内容。如果你想检测一个标志并且你有一个干净的标志图像，你可以通过添加噪声、改变对比度和亮度、旋转、扭曲等来创建许多训练样本。OpenCV 的 Haar 训练模块支持这一点，所以它不会很难。这称为数据增强。但如果你想检测人脸，仅靠数据增强是不够的。如果您要检测的是自然对象，则通过观察您拥有的少数样本来创建基于规则的系统最适合这种情况。如果您可以提供更多详细信息，我可以向此答案添加其他链接，指向示例代码。

【讨论】：

非常感谢您的回复。我将感谢答案的其他链接。假设我想在有其他物体的场景中检测花生。
通过仅使用 100 个样本进行训练，我已经很好地检测到猫脸。至于花生，50-100 之间，不同大小、条件和照明是一个很好的起点。如果去除了花生的硬壳，这可能会有点困难。 Haar 分类器会寻找对比度发生剧烈变化的地方，没有壳的花生不会有很多，除非它被分开。由于 haar 分类器在灰度上运行，您可能希望使用颜色来验证结果并去除误报。
这里的一个大问题是，当涉及到照片时，花生比面部更容易旋转。您可能需要旋转照片并重复检测几次。如果您有固定的背景，则移除背景并分析其余部分是一个不错的计划。