OpenCV Haar级联训练参数和时间

我一直在摆弄OpenCV的cascade trainer，试图训练我自己的分类器。问题是它已经训练了25个多小时，甚至还没有通过第一阶段

最初，我使用以下命令运行它

nohup opencv\u traincascade-data-vec board.vec-bg bg.txt-numPos 580-numNeg 1160-numStages 2-w 115-h 153-featureType LBP&

大约24小时后，它甚至无法通过第一阶段。查看该文件后，我意识到默认的

precalcValBufSize

设置为1024Mb。我想也许将其增加到4096Mb将有助于处理，所以我继续使用以下命令重新开始训练

nohup opencv_traincascade-data-data-vec board.vec-bg bg.txt-numPos 580-numNeg 1160-numStages 2-w 115-h 153-featureType LBP-precalcIdxBufSize 4096-precalcivalbufsize 4096&

培训已经运行了近25个小时，而且还没有生成阶段0的XML文件

进程本身中的A表示它使用8284M虚拟内存，但使用930M物理内存，并显示进程当前使用的所有文件。它在我的核心中做得很好，但没有产生任何结果，甚至没有让我知道它走了多远

我的问题是，有没有办法让它更多地使用我的实际物理内存来加速它？如果没有，我是否需要对我的培训数据集进行任何调整

旁注：我知道数据集大小的通用标准是24x24，但我已经尝试过了，即使经过10个阶段，它也非常可怕。

---

在该尺寸下，轮廓不再正确地获得其特征。在24x24甚至48x48的情况下，它看起来像一个巨大的水平扭曲的黑色像素团，甚至连一些独特的功能都看不见。

我打赌问题在于样本大小。 更大的大小需要更多更大的内存缓冲区和更多的时间。检测特征是一项相当困难的操作

您必须最小化样本（不要忘记重新计算

cv\u createsamples（…）

）。样品不应该是正方形，它可能是25*15（确保保存比例，最大的一面大约是30px）。

---

您使用的featureType LBP本身比Haar快。

它是在收集/查找阴性样本方面遇到了问题，还是在计算特征方面花费了太多时间？好的，choseb的大小非常大。从nohup结果来看，它似乎能够收集所有阴性样本。看了之后，至少它打印出了训练1阶段的废话废话。。但它甚至没有在我的trainerbtw上实现，HAAR使用的不是“形状”而是“纹理”，因此不确定HAAR cascades（和LBP）是否适合您。我无法发布实际对象，因此轮廓是我能做的最接近的。。但是想象一下，中间部分有一个屏幕，物体周围有一些标志