HaarCascade培训：合并.lst文件

Question

我正在使用HaarCascade开发自己的物体探测器。 顺便说一下，我在某些方面感到困惑，我将在下面解释。

情况就是这样： - 我收集了100 个我的对象图像 （比如苹果） - 我收集了大约1500张底片 - 我创建了negatives.txt ，一个包含负片图像路径的文件 - 我创建了positives.txt ，一个文件其中包含路径，对象数量，正面图像的坐标和尺寸

现在，这就是问题所在。

使用opencv_createsamples.exe来扩充我的数据/图像，我看到如果我为每个对象图像执行它（使用相同的参数），输出将或多或少是1000个正图像（负面背景+对象）和.lst file包含负片图像内的路径和对象坐标的.lst file 。 这些坐标不会改变（因为我在执行opencv_createsamples.exe时设置它们）。

问题是：为每个对象图像更改createsamples所需的参数然后将它们全部合并是个好主意？

我现在在做什么的例子：

• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7
• 对于我的每个底片我的一个对象图像
• 带信息的.lst文件（如果为每个正面ojbect图像执行，则相同）

我愿意做的例子：

• 对于我的每个底片的每个对象图像
• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7 - opencv_createsample.exe -p1 0.6 -p2 0.7 -p3 0.8，依此类推（带参数的随机值）
• 多个.lst文件，每个对象图像具有不同的信息
• 合并所有.lst

我真的希望我解释了所有。

我怀疑这是关于这样做的效率：通过在不同位置训练使用不同对象（同一类）或通过仅使用一个对象来获得更好的准确性？

名词解释：

• object =我要检测的东西（一个苹果）
• 负图像=不包含对象的背景图像
• 正图像=带负+对象的已处理图像（创建样本输出）

谢谢大家

UPDATE

在观看HaarCascade上的Sentdex视频之后： 训练Haar级联对象检测 - 用于图像和视频分析的OpenCV用于图像和视频分析20

Answer 1

我认为你可以在每个（正面）图像中使用多个对象训练你的模型有更好的结果。 这还取决于你想要达到的目标。 1.尝试您在问题中提到的两种方法，并使用相同的图像进行测试。 2.比较有效性（检测的准确性）和效率（例如，速度有明显差异吗？）