Computer vision 通过一个对象上的不同特征快速区分相似对象的方法

我制作了一个分类器（基于HoG特征），可以识别大型车辆（公共汽车和卡车）。但我也希望能够区分公共汽车和卡车。这会导致问题，因为两辆车都又大又长。 以下是我的培训数据中的一个示例：

正如您所看到的，这是一辆卡车和一辆公共汽车，从相同的角度来看，但分类器并不认为它们不同

考虑到我已经构建了分类器，是否有一种简单的方法（无需重建现有的分类器）可以添加作为区分卡车和公共汽车的第二阶段

---

我一直在考虑如何进行SIFT特征匹配。。。抓住前面突出的卡车头。但我以前从未使用过，也不确定它是否适用于这里。

我知道您当前的探测器试图将公共汽车和卡车与其他物体区分开来。假设它与其他对象有很大的不同，并且在公共汽车和卡车之间存在不同的问题，那么可以在其上添加一个专门的分类器

考虑到第一个分类器，第二个分类器的目标应该是区分公共汽车和卡车。 因此，你应该训练它的实体，第一个分类器认为是卡车或公共汽车（忽略总线和卡车没有被第一个分类器识别）。 给定样本，使用其真实分类作为概念（而不是第一个分类器的预测）。 通过这样做，您可以强制第二个分类器关注公交车和卡车之间的边界。在此边界中，尺寸等特征变得不相关，因为公共汽车和卡车都很大，因此分类器将被迫寻找其他相关特征

之后，您将组合分类器，如果第一个分类器将输出总线或卡车，则应返回第二个分类器的结果

---

这项技术实际上是一个特例，在精神上接近Schapire算法，从

你有多少每类图像（即多少辆卡车/汽车等）？你尝试过图像增强吗？为什么不使用卷积神经网络（CNN）？这些问题对于他们来说很容易解决（特别是对于不同类型的数据扩充）