OpenCV由我培训的哈尔分类器性能不佳

Question

我想使用哈尔分类器来检测车辆在场景中的存在（尝试仅使用汽车到目前为止）。由于我没有在网上找到许多训练有素的XML文件，因此我决定自己创建。

我发现了一些用于类似目的的车辆图像集（训练计算机视觉算法），并使用它们来创建我自己的XML文件。已经差不多一个星期了，其中一些已经完成了，所以我尝试使用它们，但结果很糟糕。我在网上找到的分类器工作得很好，至少看起来他们正在试图检测车辆并为实时应用工作足够快（可能为5-10 FPS左右）。

虽然我可能需要花费几分钟的时间来使用detectMultiScale（）使用相同的参数来分析帧，并且如果我传递不同的参数（例如增加最小尺寸，减小最大尺寸，增加缩放因子），它将工作得更快FPS），但完全没有发现任何重要信息，从未检测到任何车辆，并随机检测到某些沥青点作为车辆。

我在生成我的文件时出错了？我有时间完成这项任务，这些分类器可能需要整整一周的时间才能完成，因此我只剩下很少的尝试。作为参考，我的方法是（以下this教程）：

- 获取所有正面和负面图像;如果没有提供负像，采取负像从另一数据集，至少一样多的底片作为阳性

- 生成尽可能多的样本作为阳性

- 使用相同的参数的数目的建议，除图像尺寸（设置为给定数据集中图像的大小）以及nstages（设置为10，因为20需要太长时间）

- 对于npos参数，我使用1/10样本数，使用完整数的样本在几个小时后导致“断言失败”，显然样本数量不能与根据this的npos相同，所以我给了自己一个安全余量。

TL;我训练自己的DR Haar分类器性能比网上找到的要差得多（在时间和准确性方面），需要关于如何改进它的建议，而不是浪费另一周的时间来训练它。

Answer 1

这里有两个问题。其一，分类器的准确度很低。另一方面，分类器运行速度太慢。

您使用的引用似乎没有问题。这些步骤似乎是准确的，我已经按照这个顺序亲自尝试过，并且设法取得了很好的结果。

正如@Micka所提到的，nPos大约90％的原始样本数量足够好。 minHitRate是一个可以更改的参数。你观察训练时显示的数字吗？准确度如何提高，分类器是否停止了训练（或者在学习结束之前是否使用了训练过的参数？）？

对于低速检测，最可能的原因是您的训练数据没有简单的功能来快速学习。您是否尝试检测用于培训的数据？这种情况的结果如何？编译器设置或高图像分辨率也可能是一个问题，但如果您尝试使用与其他分类器相同的输入和设置，这不太可能。如果你喜欢尝试不同的方法（并有一个GPU），YOLO V2应该更快，更准确地完成这项任务。