Das deutsche Python-Forum

Liebe Community,
ich wiedme mich jetzt schon einiger Zeit der Entwicklung von Cascade Classifiern mittels OpenCV und stehe jetzt aber vor einer kleinen Frage. Prinzipiell habe ich bis jetzt immer positive Bilder verwendet, auf denen das zu erkennende Objekt (fast) vollständig das Bild ausfüllt. Bei Bildern bei denen dies nicht der Fall ist sollte in der Liste für das Training der Bereich übergeben werden, in dem sich das Objekt befindet.
Meine Frage hierzu ist, ob es auch möglich ist die Bilder mit positiven Objekten soweit auszuschneiden bzw. freizustellen (mittels GIMP) das nur noch das Objekt zu sehen ist und der Rest des Objektes transparent ist.
Ich habe euch hier noch ein Beispielbild angehängt. Der Classifier soll später diese gelben Bänder erkennen.


Vielen Dank schon einmal,
flar2000

Ich verstehe die Frage nicht. Suchst du nach einem automatischen Verfahren, dass dir deine gewuenschten Objekte klassifiziert, und die freistellt? Wenn ja: was willst du dann noch lernen, dann hast du doch schon ein Verfahren, um die Objekte zu erkennen?

Nein es geht um den Sinn des freistellens. Ist es besser die Bilder freizustellen oder die positiven Bereiche auszulesen und in der Liste einzutragen. Anstattdessen könnte ich bei allen Bildern, die Bänder händisch freistellen, die Frage ist jedoch ob dies Sinn macht.

Ich habe von so etwas noch nie gehoert. Haar-Cascades habe ich nie benutzt, aber zB HOG oder auch die ganzen KNN-Verfahren loesen das "einfach" ueber die Menge der Trainingsdaten. Teilweise mit ulkigen Ergebnissen (Lokomotiven wurden anhand der Schienen erkannt...), aber mir waere es nicht bekannt, dass man im grossen Stil freistellt.