opencv级联分类器检测背景

我一直在使用级联分类器来训练某种植物。这是一张我想要检测的样本图像

我对这些绿色的小植物进行了正采样，并用背景相似且没有绿色植物的图像制作了负片（正如许多来源所建议的那样）。使用了许多与此类似的图像进行采样

我没有太多的训练数据，所以我当然不希望得到理想的分类结果

我已经设置了常用参数min_hit_rate 0.95 max_false_alarm 0.5等。我尝试了5、6、7、8、9和10个阶段的训练。发生在我身上的奇怪的事情是，在训练过程中，我在所有阶段的命中率都是1，在5个阶段之后，我获得了良好的接受率0.004（类似于后面的阶段6、7、8…）。 我试着在我用于训练样本的同一张图像上测试我的分类器，结果出现了非常不合逻辑的行为：

分类器检测几乎所有的东西，除了我从中提取的阳性样本（训练中相同的样本，命中率等于1）

分类器速度非常慢，但对于单个输入图像（下采样比例因子1.1）需要一个多小时

我不明白为什么在训练期间（通过所有阶段）相同的样本被归类为阳性，然后在图像上没有一个是阳性的（周围有很多假阳性）

我对每件事都检查了一百万次（我想我不知怎么地混淆了正反两面，但我没有这样做）

---

有人能帮我解决这个问题吗？

我可以试着帮你，但当然，除非你把你的照片发给我，否则我无法为你训练这件事

根据我的经验，如果你没有得到想要的结果，你只是给了

traincascade

错误的或不够多的图像（正片或负片）

直到我使用内置的

opencv\u注释

工具创建了一个注释文件，我才获得了很好的结果。你做到了吗？有多少积极因素

您的底片是否包含您试图检测对象的背景？这是关键，不容忽视

另外，我会使用LBP，它更快

如果你或任何人仍然被困，并有一些积极的创造，发送给我，我会看看我是否可以训练这件事

而且，在我的经历之后，我希望能写一篇关于这方面的一站式教程：

---

您肯定喜欢使用Haar分类器吗？因为在你的例子中前景和背景是分开的。你也可以使用颜色信息，这是Haar过程中缺少的信息。请你在问题中添加一些正样本和负样本，好吗？我知道其他技术在这里会很好，但我需要创建一个小示例，用于此类图像上的级联分类器。正如我所说的，我并不期望它能完美工作，但问题是检测器在训练数据上效果不好，而且我在所有阶段都达到了1级。阳性样本是我上面附上的图像中绿色植物周围的补丁，背景大多来自类似的图像，但不包含绿色植物（灰色背景和其他东西等）。