如何为HAAR训练准备正面图像以进行手部检测？

Question

我正在使用此数据集： http : //www.robots.ox.ac.uk/~vgg/data/hands/

但是，我只会使用面积大于4200平方像素的手，这只剩下621手。 我意识到这可能还不够，如果需要，我会寻找更多图像。 但是，所有图像的注释如下：

我有如下边界框的坐标：

但是，边界框未与x＆y轴对齐。

我相信我必须从图像中剪裁出来。 我有两种方法可以做到这一点：

1）令xmin和xmax为边界框的最小和最大x坐标。 而ymin和ymax是边界框的最小和最大y坐标。 如果这样做，我将得到：

（当然，没有边界框），背景的某些部分仍保留在上面。

2）我可以使用二进制遮罩“遮蔽”边界框内的所有像素。如果这样做，我图像的大小仍将是xmin到xmax和ymin到ymax，但是我可以设置其余部分背景为白色。

有什么会更好？ 我相信正面应该只包含感兴趣的对象（在这种情况下为手），所以离开背景可能不对吗？ 但是，白色背景还可以吗？

这里的主要问题是边界框未对齐！

Answer 1

可以保留少量背景，但每个图像中的背景会有所不同，因此不会作为分类器的一部分创建。

我建议做一个更大的负片来抵消背景，并且620张图像就可以了。

Answer 2

您可能还想看看labelme http://labelme.csail.mit.edu/Release3.0/index.php

我在项目中使用了它，它们还向您展示了如何使用Amazon Turk获取自己的数据集。 我认为您也许也可以使用他们的数据集。