Python OpenCV中Viola Jones Haar cascade的理想图像

我正在尝试使用OpenCV中的Haar cascade检测图像中的特定对象

假设我对在风景图片中检测停车标志感兴趣。在为我的训练集定义正图像样本时，哪种图像最好：（a）对象的完整图像，（b）中等裁剪或（c）紧密裁剪

同样地，什么对负片最好？这会影响过度拟合吗？我也很感激那些有经验的人提供的任何其他一般性建议。谢谢

---

Image ref:

您只需要在阳性样本中检测到的特征。所以C图像对于阳性样本是正确的

至于阴性样品，你还需要其他的。虽然这显然是不现实的，如果你在一个特定的环境中使用你的检测器，那么训练检测为阴性是正确的方法。例如，大量风景图片等（没有停车标志的图片）

最好的选择是（c），因为（a）和（b）在标志的边界周围包含了太多对您来说不感兴趣的特征。
它们不仅没有用处，而且会严重影响算法的性能。
在案例（c）中，其目的是识别当前窗口中存在您正在寻找的功能的情况。 但是（b）和（c）呢 在这些情况下，算法必须在窗口的某个角落检测有趣的特征（不幸的是，该角落可能无处不在），同时与该角落可能出现的所有无限可能性保持一致。
您将需要大量的样本，而且无论如何，即使您最终能够获得可接受的命中率，分离正片和负片的工作非常困难，因此运行时间将非常长

至于底片收集，理想情况下，您应该选择能够再现您认为是最终探测器将运行的图像的图像。
例如，如果您认为室内图像对此不感兴趣，请丢弃它们。如果您认为探测器将运行的是某种类型的景观，只需保留其中的大部分即可。

---

但这只是理论上的，我觉得改进是可以忽略的。收集尽可能多的图像，不同图像的数量，这才是真正重要的。

我还回答了一个可能感兴趣的类似问题