Computer vision 关于级联分类器训练数据集准备时的图像背景

我有一个关于为级联分类器准备正样本数据集的问题，该分类器将用于对象检测

作为阳性样本，我得到了3组图像：

一组全尺寸彩色图像（约1200x600），背景为白色，对象在每个图像中以不同角度显示

另一组具有相同灰度图像和白色背景的图像，缩小到检测窗口大小（60x60）

另一组具有相同的灰度图像和黑色背景，缩小到检测窗口大小（60x60）

---

我的问题是，在第1组中，背景真的应该是白色吗？是否应该改为在测试数据集中可能找到对象的环境？或者我应该有第四套在自然环境中拍摄的照片？环境是如何进入训练样本的？

背景应该是对象的典型环境，因为当您实际尝试检测对象时，搜索窗口将始终包含一些背景。最好的方法是从自然图像中裁剪对象

如果使用MATLAB中的

trainCascadeObjectDetector

函数，甚至不必裁剪样本。它允许您为每个图像指定多个边界框。您也不必担心样本的大小，因为trainCascadeObjectDetector将为您调整它们的大小

有一个基于MATLAB的文件交换，用于标记图像中感兴趣的对象，该图像设计用于trainCascadeObjectDetector

---

编辑：两个其他点。负片图像还应该包含通常与感兴趣对象相关的背景。下面是一个示例，说明如何准备训练数据以及如何设置一些参数。

背景应该是对象的典型环境，因为当您实际尝试检测对象时，搜索窗口将始终包含一些背景。最好的方法是从自然图像中裁剪对象

如果使用MATLAB中的

trainCascadeObjectDetector

函数，甚至不必裁剪样本。它允许您为每个图像指定多个边界框。您也不必担心样本的大小，因为trainCascadeObjectDetector将为您调整它们的大小

有一个基于MATLAB的文件交换，用于标记图像中感兴趣的对象，该图像设计用于trainCascadeObjectDetector

---

编辑：两个其他点。负片图像还应该包含通常与感兴趣对象相关的背景。下面是一个示例，说明如何准备培训数据以及如何设置一些参数。

谢谢！这真的很有帮助。trainCascadeObjectDetector是否允许选择增强算法？我已经检查过了，它没有提到，所以我假设它默认使用AdaBoost，我们不能自己选择boosting算法？为HOG准备样本怎么样？我有一个类似的问题：@user961627，它使用的是温和的adaboost，根据一些基准测试，这是最好的。您可以通过编辑trainCascadeObjectDetector.m自行更改它。第425行指定了boosting算法。谢谢！这真的很有帮助。trainCascadeObjectDetector是否允许选择增强算法？我已经检查过了，它没有提到，所以我假设它默认使用AdaBoost，我们不能自己选择boosting算法？为HOG准备样本怎么样？我有一个类似的问题：@user961627，它使用的是温和的adaboost，根据一些基准测试，这是最好的。您可以通过编辑trainCascadeObjectDetector.m自行更改它。第425行指定了boosting算法。