我所有关于opencv_traincascade的问题

Question

几周后，我尝试创建一个好的级联分类器，但似乎这个过程被神秘所包围。我有很多问题：

1）为什么opencv给我们这么少的信息？

2）它需要更多的积极形象或负面形象？

3）什么尺寸应该有正面图像？和负面形象？它们必须具有相同的尺寸？

4）如果我想为单个道路标志创建分类器，那么足够使用一个正像（例如this）来创建带有opencv_createsamples的样本？

5）创建一个用于Android应用程序的分类器是更好的哈尔或LBP？

6）什么是正确的阶段数？

7）minHitRate和maxFalseAlarmRate的正确值是多少？

Answer 1

1. 它提供的信息，它只是有点borring读它http://docs.opencv.org/doc/user_guide/ug_traincascade.html
2. 你需要更多的负面形象，有几个原因。首先，当有更多的积极形象出现时，它有时会崩溃，然后是负面的，其次 - 大部分时间训练的重点是在负面图像中查找被检测为物体并修复错误的东西。
3. 据我所知，这并不重要，但有关的是他们自己的负面形象。他们应该接近你的对象的真实背景，我的意思是如果它是一个交通标志不要给你的办公室点击的图片作为背景，在外面拍照。
4. 对我来说，只需要一张我的对象的图片，就可以用opencv_createsamples生成1500个样本，但要好几张图像10,20才能生成100,200个样本，然后将它们组合成一个训练集。
5. 哈尔训练和运行时间较慢，但有时更精确，所以我的选择是LBP。
6. 您可以逐级训练小瀑布，在开始阶段制作10-15个阶段，然后逐个添加它们。记录所有阶段，并且您不必每次都从第一阶段开始。

7.我没有玩这个参数，我总是让他们默认，但你可以在这里查看about traincascade paremeters, samples, and other...的解释。

还要检查这个问题，并回答How to train cascade properly和FAQ - HAARTraining