从 Haar Cascade 中的多个图像创建训练集
Creating training set from multiple images in Haar Cascade
我目前正致力于检测给定图像中的多个水果。例如，给定的图像可以有香蕉（黄色、红色和绿色）、芒果、橙子等水果。我能够使用 opencv_createsamples.
一次只创建一张图像的训练集
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，我对大约 5 个水果进行了处理，这为每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？
是否有任何其他方法可以检测给定图像中的多个水果？
haar-classifier 非常适合快速检测一个 class 相似的对象，如 opencv 文档 http:// docs.opencv.[=17= 中所述。 ].4/modules/objdetect/doc/cascade_classification.html.例如，opencv 存储库 (https:// github.com/opencv/opencv) 有一个 classifier 列表 (https:// github.com/opencv/opencv/ tree/master/data/haarcascades) 针对特定 classes 对象进行训练。
除非要检测的对象相似（例如具有不同特征的面孔或不同品牌和型号的汽车），使用 class 每个水果的过滤器训练会更有效 - 例如，香蕉、橙子、芒果ETC。，。
要基于多个正样本图像创建训练向量（以及对于 haar-classifier 训练的任何其他方面，我推荐步骤 here - steps 5 and 6 - and the details covered at http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html。在您的情况下，正图像应包括所有类型的香蕉、橙子、芒果等，包括颜色变化等。
如果你想用同一种水果的不同变体来训练分类器，你可以从多个图像生成训练样本，如here所述。
但是，请注意 Haar 分类器在灰度下工作，很难保证区分红色和黄色香蕉等对象。
如果你想在一个分类器中使用多个 类，我推荐 YOLO (You Only Look Once) or SSD（单发多盒检测器）。
我目前正致力于检测给定图像中的多个水果。例如，给定的图像可以有香蕉（黄色、红色和绿色）、芒果、橙子等水果。我能够使用 opencv_createsamples.
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，我对大约 5 个水果进行了处理，这为每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？
是否有任何其他方法可以检测给定图像中的多个水果？
haar-classifier 非常适合快速检测一个 class 相似的对象，如 opencv 文档 http:// docs.opencv.[=17= 中所述。 ].4/modules/objdetect/doc/cascade_classification.html.例如，opencv 存储库 (https:// github.com/opencv/opencv) 有一个 classifier 列表 (https:// github.com/opencv/opencv/ tree/master/data/haarcascades) 针对特定 classes 对象进行训练。
除非要检测的对象相似（例如具有不同特征的面孔或不同品牌和型号的汽车），使用 class 每个水果的过滤器训练会更有效 - 例如，香蕉、橙子、芒果ETC。，。
要基于多个正样本图像创建训练向量（以及对于 haar-classifier 训练的任何其他方面，我推荐步骤 here - steps 5 and 6 - and the details covered at http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html。在您的情况下，正图像应包括所有类型的香蕉、橙子、芒果等，包括颜色变化等。
如果你想用同一种水果的不同变体来训练分类器，你可以从多个图像生成训练样本，如here所述。
但是，请注意 Haar 分类器在灰度下工作，很难保证区分红色和黄色香蕉等对象。
如果你想在一个分类器中使用多个 类，我推荐 YOLO (You Only Look Once) or SSD（单发多盒检测器）。