您能否帮助了解与 Haar 分类器培训相关的几点:
1)正图像应该只包含训练对象还是可以包含其他一些对象？就像我想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)创建样本矢量文件的方法有两种，一种是使用信息文件，其中包含检测到的正图像中的对象坐标，另一种只是给出正负列表。哪一个更好？
3)您通常如何创建信息文件，其中包含检测到的正图像中的对象坐标？图像剪辑器可以生成对象坐标吗？
自适应梯度的 dlib 直方图是否提供比 Haar 分类器更好的结果？
我的目标是树莓派中的交通标志检测。
谢谢
最佳答案
正样本(不一定是图像)应该只包含对象。有时无法为每个正样本获得正确的纵横比，然后您将添加一些背景或裁剪一些对象边界。最终检测器将检测正样本纵横比的区域，因此如果您在所有正样本周围使用大量背景，则最终检测器可能不会检测到交通标志的区域，而是具有大量背景的区域在你的交通标志周围。
Afaik，阳性样本必须由使用 opencv_createsamples.exe 创建的 .vec 文件提供，您需要一个带有描述的文件(图像中的阳性样本在哪里？)。我通常采用预处理标记的训练样本的方式，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。我为每个中间图像填充了一个基本上为“文件夹/文件名.png 0 0 宽度高度”的文本文件，然后从该中间图像创建一个 .vec 文件。但另一方面，使用全尺寸图像中的真实 roi 信息应该具有相同的质量。
请注意，如果您不为每个正样本固定相同的纵横比，您将拉伸(stretch)您的对象，这可能是您的任务中的问题，也可能不是问题。
请记住，您可以通过扭曲/转换图像来创建额外的正样本。 opencv_createsamples 可以为你做到这一点，但我从来没有真正使用过它，所以我不确定使用这些样本是否会受益于训练。
关于opencv - Haar Classifier 正像集澄清，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45954957/