我正在尝试创建训练样本(并随后训练分类器).我对在createsamples和traincascade中使用的参数-h和-w参数感到困惑.我看到的例子通常使用较小的值,但我的训练图像(负面和正面)明显更大(480x640),我训练的对象通常占据图像的75-100%.似乎这些参数不是询问图像的大小(它可以简单地从图像中拉出),但我怀疑它也不是要求图像中对象的大小.如果我必须猜测(我宁愿不这样做),较大的尺寸可能会带来更好的检测精度,但会增加训练期间的计算量.
有人可以描述这些参数究竟意味着什么吗？我见过的大多数例子都使用24x24的默认值或40x40以上的默认值,但就我所见,从未高过很高.
这些小图像值是您要为其分类的正面(对象).真实帧中的对象可能具有任意大小,因为级联分类器适用于图像的各种比例.
这是一个很好的教程,在我训练自己的分类器时帮助了我.用于训练的裁剪图像可能会更大,但是当您运行时,createsamples您需要指定正面纹理缩放的大小.这些新的微小样本是用于分类器的样本.这也影响了级联分类器的速度,这就是它们通常很小的原因.
如果我没有弄错的话,背景图片的尺寸会更大,但我记得我还在剪裁我的小块背景图像.
当您使用真实的640x480数据运行分类器时,您可以指定正数可以具有的最小大小限制(当然该值应该至少是您之前指定的-w -h的大小)以及最大预期大小.
haar探测器将仅在测试图像中的那个窗口范围内搜索对象,这些窗口可以根据需要进行搜索.
| 归档时间： |
|
| 查看次数： |
7538 次 |
| 最近记录： |