Есть ли какая-либо разница, если я использую обрезанные объекты или полные кадры для обучения каскадного классификатора?

#opencv #computer-vision #classification #cascade-classifier

#opencv #компьютерное зрение #классификация #cascade-classifier

Вопрос:

Могу ли я использовать обрезанные объекты из полных кадров в качестве обучающего набора данных для каскадного классификатора (LBP или HAAR)?

Я знаю, что мне нужно использовать полные кадры с аннотациями при переподготовке нейронной сети (Tensorflow, YOLO и так далее)

Но нужно ли мне это для каскадного классификатора? Или обрезанные изображения в порядке?

Кажется, я могу это сделать, потому что у нас есть положительные и отрицательные изображения

Поэтому должно быть нормально обрезать объекты из положительных изображений

Например.

введите описание изображения здесь

или

введите описание изображения здесь

Ответ №1:

Ответ на этот вопрос: Могу ли я использовать обрезанные объекты из полных кадров в качестве обучающего набора данных для каскадного классификатора (LBP или HAAR) — да. Это зависит от архитектуры вашей модели, ваших целей и совместимости системы. Для обучения мы обычно обрезаем целевые объекты из целого изображения и загружаем их в модель.

Ответ на ваш этот вопрос Я знаю, что я должен использовать полные кадры с аннотациями при переподготовке нейронной сети (Tensorflow, YOLO и так далее), Это зависит. Каков ваш размер ROI? Вы можете изменять размер ваших ROI в соответствии с вашей архитектурой или вы можете обрезать целевые объекты из ROI. Это полностью зависит от вас.

Но нужно ли мне это для каскадного классификатора? Или обрезанные изображения в порядке?-Ответ: оба в порядке. Выбирайте на основе архитектуры вашей модели, времени обучения, конфигурации системы и, очевидно, производительности обучения.

Комментарии:

1. Можете ли вы привести пример того, как вы настроили бы свой размер ROI, учитывая его изображение и объект?