Haar分类器正图像集澄清

Question

您能否帮助理解与Haar分类器培训相关的几个要点：

1)正图像应该只包含训练对象，还是可以包含一些其他对象？就像我想要识别一些交通标志一样，正面图像应该只包含交通标志，还是也可以包含高速公路？

2)创建样本向量文件有两种方法，一种是使用info文件，其中包含正图像中检测到的物体坐标；另一种是只给出正、负像的列表。哪一个更好？

3)通常如何创建info文件，该文件包含正图中检测到的对象坐标？图像裁剪器可以生成对象坐标吗？

自适应梯度的dlib直方图是否比Haar分类器提供了更好的结果？

我的目标是在树莓派中检测交通标志。

谢谢

Answer 1

正样本(不一定是图像)应该只包含对象。有时不可能为每个正样本获得正确的纵横比，那么您可以添加一些背景或裁剪一些对象边界。最终检测器将检测您的正样本纵横比区域，因此，如果您在所有正样本周围使用大量背景，您的最终检测器可能不会检测到traffix标志的区域，而是交通标志周围具有大量背景的区域。

Afaik，阳性样本必须由一个用opencv_createsamples.exe创建的.vec文件提供，你需要一个描述的文件(在图像中是你的阳性样本？)。我通常会对标记的训练样本进行预处理，裁剪掉所有背景，以便只有中间图像，其中正样本填充整个图像，并且图像已经是正确的纵横比。我基本上用"folder/filename.png 0 0 width height“填充一个文本文件，然后从这些中间图像创建一个.vec文件。但另一方面，从全尺寸图像中使用真实的roi信息应该具有相同的质量。

请注意，如果您没有为每个正样本固定相同的纵横比，您将拉伸对象，这在您的任务中可能是问题，也可能不是问题。

请记住，您可以通过对图像进行扭曲/变换来创建额外的正值样本。opencv_createsamples可以为您做到这一点，但我从未真正使用过它，所以我不确定培训是否会从使用这些样本中受益。