OpenCV正样本尺寸？

Question

所以我遇到了很多关于 OpenCV 的 haartraining 和级联训练工具的教程。特别是我对使用 createsamples 工具训练汽车分类器很感兴趣，但是关于 -w 和 -h 参数的说法似乎到处都是相互矛盾的，所以我很困惑。 我指的是命令：

$ createsamples -info samples.dat -vec samples.vec -w 20 -h 20

我有以下三个问题：

• 我了解正样本的纵横比应该与您从上面的 -w 和 -h 参数中获得的纵横比相同。但是所有正样本的 -w 和 -h 参数是否也必须相同 size？例如。我有近 1000 张图片。裁剪后是否都必须是相同的尺寸？

• 如果重要的不是大小而是纵横比，那么与 OpenCV 工具中提到的 -w 和 -h 参数相比，正样本的纵横比必须精确匹配多少？我的意思是，分类器是否非常敏感，以至于这里和那里的几个像素都会影响它的性能？或者你会说使用图像是安全的，只要它们在肉眼中的比例大致相同。

• 我已经将多张图像裁剪为相同大小。但是在尝试使它们都具有相同的大小时，其中一些在边界框中包含的背景比其他的要多一些，而另一些的边距略有不同。 （例如，请看下面的两张图片。较大的汽车占据了更多的图像，但较小的汽车周围有更宽的边距）。我只是想知道拥有这样的图像集合是否很好，或者它是否会降低分类器的准确性，因此我应该确保所有感兴趣的对象（在本例中为汽车）周围的边界框更紧密？

Answer 1

第一个问题：是的，所有用于训练的图像都必须是相同的大小。 （至少上次我做人脸检测样本训练。这里应该是一样的许可。）

第二个问题：不太确定你在这里问什么。但是分类器并不像你想象的那么敏感。与感兴趣的对象相差几个像素，例如手，如果小指缺少几个像素（由于裁剪），而其他图像的拇指缺少几个像素，等等......分类器仍然是能够检测到手。因此，这里和那里缺少一些像素或添加了一些背景像素，最终不会对分类器产生太大影响。

第三个问题：您应该裁剪图像以仅包含汽车以获得最大效果。尽量消除背景。我基于嘈杂背景、黑色背景和具有最小背景的裁剪样本进行了研究。根据我的记忆，具有最小背景的裁剪样本在假阳性和假阴性方面显示出最好的结果。

你可以使用对象标记来做到这一点：http://achuwilson.wordpress.com/2011/02/13/object-detection-using-opencv-using-haartraining/

繁琐的方法是在裁剪后使用绘画将所有图像调整为相同的像素值。

这个链接也应该回答你的问题：http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html

我也同意 GilLevi 的观点，即与 Haar、HoG、LBP 级联相比，有更好的检测方法。图像的训练可能需要几天时间（取决于训练的图像数量）。如果您真的必须使用级联方法并且您希望最大限度地减少培训时间， 使用类似 Haar 的特征进行训练比使用 HoG 或 LBP 需要更长的时间。但从结果来看，我不确定哪一种能确保更好的性能和稳健性。

希望我的回答对你有所帮助。如果还有更多问题，请发表评论。