我将所有正样本的大小调整为相同的大小，因此负样本的大小应该与正样本的大小相同。
问问题
737 次
1 回答
1
通常，通过对象检测，您可以在图像上滑动固定大小的搜索窗口，从而产生特征响应。然后分类器将响应与经过训练的模型进行比较，并报告两者的接近程度。我们依赖于相同类型的对象会产生相似的特征响应这一事实。出于这个原因，您希望您的正数据在每个滑动窗口中具有相同的大小，否则响应将不同，您将无法获得良好的匹配。
当您在负面数据上进行训练时，您正在为分类器提供通常没有任何共同点的响应示例，这就是算法学习划分数据的方式。图像的大小并不重要，因为您将使用相同的滑动窗口。重要的是该窗口捕获的数据 - 它应该代表您将在运行时使用的数据。我的意思是滑动窗口不应该包含太多或太少的细节。你真的不想拍一张全景照片，把它缩小到 320x240，然后在上面训练。您的滑动窗口将捕获太多信息。拍摄场景的较小子集并将其放大到 1280x960 也是如此。现在信息太少了。
然而，尽管如此，在现实世界中，事情同时变得更加复杂和简单。你会遇到大小不一的物体；因此，您需要能够以不同的规模处理它们。因此，您的分类器应该在多个尺度上进行搜索，从而使图像大小无关紧要。请记住，重要的是滑动窗口内的内容。并且：垃圾进=垃圾出。确保您的数据看起来不错。
编辑：http ://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html 但是每个图像应该（但不一定）大于训练窗口大小，因为这些图像用于对训练的负图像进行二次采样尺寸。
于 2016-06-10T13:16:08.683 回答