所以我遇到了很多关于OpenCV的haartraining和级联培训工具的教程。特别是我有兴趣使用createsamples工具来训练一个汽车分类器,但是关于-w和-h参数的地方似乎存在冲突的声明,所以我很困惑。 我指的命令:OpenCV正面样本维度?
$ createsamples -info samples.dat -vec samples.vec -w 20 -h 20
我有以下三个问题:
据我了解,阳性样品的纵横比应该是一样的纵横比你从上面的-w和-h参数。但是,所有阳性样本的-w和-h参数是否必须与大小相同?例如。我有近1000张图片。他们都必须在种植后的大小相同吗?
如果它不是尺寸,但纵横比是重要的,那么与OpenCV工具中提到的-w和-h参数相比,正确样本的纵横比必须有多高精度匹配?我的意思是,分类器是非常敏感的,所以即使几个像素在这里和那里会影响其性能?或者你会说,只要眼睛的比例大致相同,就可以安全地使用图像。
我已经裁剪几个图像到相同的大小。但为了使它们的尺寸完全相同,其中一些包围在边框中的背景比其他一些更多,而另一些则具有略微不同的边缘。 (例如,请参阅下面的两张图片:较大的汽车占据了更多的图像,但较小的汽车周围有较宽的边距)。我只是想知道是否有像这样的图像集合是好的,或者它会降低分类器的准确性,因此我应该确保围绕所有感兴趣的对象(在这种情况下是汽车)更紧的边界框?
我只能评论说,有更好的汽车检测方法比haar/LBP级联更好。 – GilLevi
嗯,我不能帮助,因为我已经被雇用遵循这种方法,但是您认为什么是更好的方法呢? – user961627
latent-svm-detector。你可以很快得到它,它会给出更好的结果。 – GilLevi