我正在尝试使用 OpenCV 中的 Haar 级联检测图像中的特定对象。
假设我有兴趣检测风景图像中的停车标志。在为我的训练集定义正图像样本时，哪种图像最好：(a) 包含我的对象的完整图像，(b) 中等裁剪或 (c) 紧凑裁剪？
同样，什么最适合负面图像？这会影响过拟合吗？我也会感谢有经验的人提供的任何其他一般提示。谢谢。
图片参考：http://kaitou-ace.deviantart.com/art/Stop-sign-on-a-country-road-Michigan-271990933
【问题讨论】：
标签： python opencv object-detection haar-classifier viola-jones
您只需要在阳性样本中检测到的特征。所以 C 图像对于正样本是正确的。
至于负样本，你想要其他一切。尽管如果您在特定环境中使用检测器，这显然是不现实的，但训练以将其检测为阴性是正确的方法。 IE。很多风景图片等（没有停车标志的）
【讨论】：
最好的选择是 (c)，因为 (a) 和 (b) 包含太多的特征，都在标志的边界周围，这对你来说并不有趣。
它们不仅没有用，而且会严重影响算法的性能。
在情况 (c) 中，其目的是识别当前窗口中存在您正在寻找的特征的情况。
但是（b）和（c）呢？
在这些情况下，算法必须在窗口的一角检测有趣的特征（不幸的是，这个角可能无处不在），同时要与该角周围可能发生的所有无限可能性保持一致。
您将需要大量样本，而且无论如何，即使您最终设法获得可接受的命中率，分离正负样本的工作也非常困难，以至于运行时间会非常长。
至于底片收集，理想情况下，您应该选择能够重现您认为的最终检测器将运行的图像的图像。
例如，如果您认为室内图像对此不感兴趣，请丢弃它们。如果您认为某种景观是您的检测器将运行的景观，请保留其中的大部分。
但这只是理论上的，我觉得改进可以忽略不计。尽可能多地收集图像，不同图像的数量非常重要。
【讨论】：