OpenCV 中 Viola-Jones Haar 级联的理想图像
Ideal images for Viola-Jones Haar cascade in OpenCV
我正在尝试使用 OpenCV 中的 Haar 级联检测图像中的特定对象。
假设我对检测风景图像中的停车标志感兴趣。在为我的训练集定义正图像样本时，哪种图像是最好的图像：(a) 带有我的对象的完整图像，(b) 中裁剪或 (c) 窄裁剪？
同样，负片图像最好的是什么？这会影响过拟合吗？我也很感激那些有经验的人提供的任何其他一般性提示。谢谢
图片参考：http://kaitou-ace.deviantart.com/art/Stop-sign-on-a-country-road-Michigan-271990933
您只需要在阳性样本中检测到的特征。所以 C 图像对于正样本是正确的。
至于负样本，你什么都想要。尽管如果您在特定环境中使用检测器，这显然是不现实的，那么通过训练将其检测为阴性是正确的方法。 IE。很多风景图片等（没有停车标志的图片）
最好的选择是 (c)，因为 (a) 和 (b) 包含太多特征，都围绕着标志的边界，您不感兴趣。
它们不仅没有用，而且会严重影响算法的性能。
在情况 (c) 中，它的目的是识别当前 window 中存在您正在寻找的特征的情况。
但是 (b) 和 (c) 呢？
在这些情况下，算法必须检测 window 的一个角落里的有趣特征（不幸的是那个角落可能无处不在），同时要与那个角落周围可能发生的所有无限可能性保持一致。
您将需要大量样本，而且无论如何，即使您最终设法获得可接受的命中率，分离正负样本的工作也非常困难，以至于 运行 宁时间会非常长。
关于底片收集，理想情况下，您应该选择能够重现您认为是最终检测器将针对的图像的图像 运行。
例如，如果您认为室内图像对此不感兴趣，则丢弃它们。如果您认为某种风景是您的探测器 运行，只需保留其中大部分。
但这只是理论上的，我觉得改善可以忽略不计。尽可能多地收集图像，不同图像的数量非常重要。
我正在尝试使用 OpenCV 中的 Haar 级联检测图像中的特定对象。
假设我对检测风景图像中的停车标志感兴趣。在为我的训练集定义正图像样本时，哪种图像是最好的图像：(a) 带有我的对象的完整图像，(b) 中裁剪或 (c) 窄裁剪？
同样，负片图像最好的是什么？这会影响过拟合吗？我也很感激那些有经验的人提供的任何其他一般性提示。谢谢
图片参考：http://kaitou-ace.deviantart.com/art/Stop-sign-on-a-country-road-Michigan-271990933
您只需要在阳性样本中检测到的特征。所以 C 图像对于正样本是正确的。
至于负样本，你什么都想要。尽管如果您在特定环境中使用检测器，这显然是不现实的，那么通过训练将其检测为阴性是正确的方法。 IE。很多风景图片等（没有停车标志的图片）
最好的选择是 (c)，因为 (a) 和 (b) 包含太多特征，都围绕着标志的边界，您不感兴趣。
它们不仅没有用，而且会严重影响算法的性能。
在情况 (c) 中，它的目的是识别当前 window 中存在您正在寻找的特征的情况。
但是 (b) 和 (c) 呢？
在这些情况下，算法必须检测 window 的一个角落里的有趣特征（不幸的是那个角落可能无处不在），同时要与那个角落周围可能发生的所有无限可能性保持一致。
您将需要大量样本，而且无论如何，即使您最终设法获得可接受的命中率，分离正负样本的工作也非常困难，以至于 运行 宁时间会非常长。
关于底片收集，理想情况下，您应该选择能够重现您认为是最终检测器将针对的图像的图像 运行。
例如，如果您认为室内图像对此不感兴趣，则丢弃它们。如果您认为某种风景是您的探测器 运行，只需保留其中大部分。
但这只是理论上的，我觉得改善可以忽略不计。尽可能多地收集图像，不同图像的数量非常重要。