我在徘徊是否有办法将来自不同训练级联的 Haar 分类器结合起来？
我有一个场景，我检测到一个根据对象角度而不同的对象。所以我分离了我的训练样本来训练多个分类器。他们的类(class)工作正常。现在我按顺序运行它们，这花费了我很多计算时间。
我认为 OpenCV 可能每次都在计算所有特征，因此每次都进行新的迭代。我想，如果我可以通过 OR 操作组合我的分类器，那么 OpenCV 可能只使用一个级联，因此只迭代一次并且只计算一次所需的特征等等。这可能会显着提高我的表现。但是我不确定这是否(以及如何)可以做到。也许其他人以前尝试过类似的东西？
干杯!
——阿图尔
最佳答案
好吧，当你训练一个特定的分类器时，AdaBoost 算法(在每个阶段)会选择不同的特征来最小化训练错误。该过程针对级联的每个阶段完成。
不幸的是，对于每个对象，这些特征都不相同(尽管具有固定数量的特征形状，但大小不同)，因此特征空间也不相同。
因此，即使有一种方法可以将这些分类器组合在一起，但好处是微乎其微的，因为对于不同的对象，您可能没有相同的特征，因此您几乎需要再次评估每个特征。
关于image-processing - 将多个 Haar 分类器与 OpenCV 结合，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14708845/