我正在尝试训练一个级联分类器来检测窗户(真正的房子窗户)上的纸(8.5"x11")。基本上，我试着根据纸来测量窗户的宽度和高度。一旦检测到纸张，我就可以通过简单的比例计算得到窗口的宽度和高度(因为纸张的大小是固定的)
我试着用普通的纸，但没有成功。它可以检测纸张，也可以检测一些随机物体。它不太可靠，训练只花了31分钟。阳性样本从15张不同的纸张图片(裁剪)中生成。负样本是300x300的窗口图像。参数:-numStages 1 -nsplits 2 -minHitRate 0.995 -maxFalseAlarmRate 0.9 -numPos 400 -numNeg 400 -w 62 -h 80
现在我试图检测相同的纸张大小，但与打印对象在它(提供一些模式)。基本上，我打印了一个大的Android徽标，并试图训练级联分类器来检测它。以下是我的参数:-numStages 1 - nsplitting 2 -minHitRate 0.995 -maxFalseAlarmRate 0.9 -numPos 890 -numNeg 890 -w 62 -h 80(底片分辨率为150 × 150像素)
所以我得到了比普通纸更好的结果。我尝试将一些阳性样本(由opencv_createssamples生成)输入到级联分类器中，它以高精度检测纸张(打印的Android)。当我输入一个真实的图像(带有Android论文的窗口的图片)时，问题发生了，分类器根本没有检测到论文。
请注意，当我输入真实图像时，我将其大小调整为150 × 150，因此要检测的对象(纸)变得更小(大约31 × 40)，并且我试图将最小尺寸参数(在detectMultiScale中)设置为31 × 40。
此外，当我尝试增加阶段的数量时，无论我使用-minHitRate和-MaxFalseAlarmRate参数进行多少实验，它都会给我一个"所需的叶子假警报率达到"的错误。即使将这两个参数设置为非常低的值(分别为0.3和0.3)。
你们有什么建议吗?你觉得我还能做什么?我在考虑用更复杂的模式重新训练系统，这会有帮助吗?我只是需要一些意见，因为我已经训练了我的分类器3周，尝试了50多次不同的参数和图像大小。我只是累了，不知道该怎么办了。
在训练时记住以下几点，你应该会取得好的效果-
-
只指定不能缺少的参数，例如
-numPos
-numNeg使用默认值作为其他参数，如
-minHitRate
-maxFalseAlarmRate
-weightTrimRate
maxdepth
-maxWeakCount一旦您成功地生成了一个分类器，您就可以使用其他值了。
-
获得大量的原始正样本和负样本，而不是使用opencv_createsamples从少量样本中创建它们，因为使用相同的样本一次又一次地训练分类器并不能提高其准确性。还要注意，
-numPos不是中存在的阳性样本的总数。vec 文件。相反，它是要输入到分类器训练的每个阶段的正样本的数量，所以这个数字应该略小于正样本的总数， -
级联分类器的特点是使用一系列弱分类器，以便在较低的计算成本下提供良好的分类。因此，通过足够数量的阶段来训练分类器是非常重要的，否则，它将无法工作。
-
检查系统上的空闲内存(RAM)数量，并相应地指定以下参数-
因此，如果您有1GB空闲内存，您可以将其分成两部分。请记住，您不应该消耗所有的空闲内存，否则您的系统可能会遇到故障，或者由于内存不足而过早地终止训练。-precalcValBufSize
-precalcIdxBufSize
进一步阅读:如何正确训练级联