HaarCascade培訓：合並.lst文件

Question

我正在使用HaarCascade開發自己的物體探測器。 順便說一下，我在某些方面感到困惑，我將在下面解釋。

情況就是這樣： - 我收集了100 個我的對象圖像 （比如蘋果） - 我收集了大約1500張底片 - 我創建了negatives.txt ，一個包含負片圖像路徑的文件 - 我創建了positives.txt ，一個文件其中包含路徑，對象數量，正面圖像的坐標和尺寸

現在，這就是問題所在。

使用opencv_createsamples.exe來擴充我的數據/圖像，我看到如果我為每個對象圖像執行它（使用相同的參數），輸出將或多或少是1000個正圖像（負面背景+對象）和.lst file包含負片圖像內的路徑和對象坐標的.lst file 。 這些坐標不會改變（因為我在執行opencv_createsamples.exe時設置它們）。

問題是：為每個對象圖像更改createsamples所需的參數然后將它們全部合並是個好主意？

我現在在做什么的例子：

• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7
• 對於我的每個底片我的一個對象圖像
• 帶信息的.lst文件（如果為每個正面ojbect圖像執行，則相同）

我願意做的例子：

• 對於我的每個底片的每個對象圖像
• opencv_createsample.exe -p1 0.5 -p2 0.6 -p3 0.7 - opencv_createsample.exe -p1 0.6 -p2 0.7 -p3 0.8，依此類推（帶參數的隨機值）
• 多個.lst文件，每個對象圖像具有不同的信息
• 合並所有.lst

我真的希望我解釋了所有。

我懷疑這是關於這樣做的效率：通過在不同位置訓練使用不同對象（同一類）或通過僅使用一個對象來獲得更好的准確性？

名詞解釋：

• object =我要檢測的東西（一個蘋果）
• 負圖像=不包含對象的背景圖像
• 正圖像=帶負+對象的已處理圖像（創建樣本輸出）

謝謝大家

UPDATE

在觀看HaarCascade上的Sentdex視頻之后： 訓練Haar級聯對象檢測 - 用於圖像和視頻分析的OpenCV用於圖像和視頻分析20

Answer 1

我認為你可以在每個（正面）圖像中使用多個對象訓練你的模型有更好的結果。 這還取決於你想要達到的目標。 1.嘗試您在問題中提到的兩種方法，並使用相同的圖像進行測試。 2.比較有效性（檢測的准確性）和效率（例如，速度有明顯差異嗎？）