我运行opencv_traincascade，我从未达到第0阶段的预先计算时间。
编辑：我的问题似乎特定于LBP培训。我将featureType更改为HAAR，下面的分类器在几分钟内完成了训练
编辑：预计算时间以秒为单位，因此在第0阶段你应该看到它在10秒内达到预先计算，但我已经看到它高达40秒。预计时间可能会逐步增加，然后在后期突然大幅增加到半小时（甚至可能比你使用数千个样本的情况还要长，但我还没有那么远）
（我将继续更新这篇文章，填写我已经理解的事情，这使我无法理解预先计算，并且可能找出为什么HAAR培训可以工作而LBP没有。可能只需要查看源代码启动阶段周期）
问题
我运行opencv_traincascade，我从未达到第0阶段的预先计算时间。
我正在使用2014年购买的MacBook Air。
处理器1.3 GHz Intel Core i5 内存4 GB 1600 MHz DDR3 图形Intel HD Graphics 5000 软件OS X 10.9.4（13E28）
我的终端看起来像这样，并且在我的Activity Monitor中运行了大约390％（真的？）我的CPU和4个线程。
===== TRAINING 0-stage =====
<BEGIN
POS count : consumed x : x
NEG count : acceptanceRatio y : 1
虽然我已经尝试创建了许多分类器，为了分享我们都可以涉及的内容，我将参考一个汽车检测教程，因为我得到相同的结果无关紧要，如果它是我自己的训练。这个培训师已经出版，我见过其他人参考它，所以我认为它有效。
https://www.youtube.com/watch?v=WEzm7L5zoZE
在我的桌面上我有：
一个pos文件夹，其中包含cars.info文件夹中的相对文件路径和信息（1 0 0 100 40）; 一个bg.txt文件，包含一个包含负样本的neg文件夹的相对路径; 一个名为“data”的空数据文件夹; 一个正面样本的cars.vec文件。我可以查看矢量文件，图像就在那里。
最初在100x40处有550个正样本，在使用createsamples创建vec文件之后有48x24个样本
100x40有500个负样本
这是createsamples命令，供参考：
opencv_createsamples -info cars.info -num 550 -w 48 -h 24 -vec cars.vec
然后我运行以下命令：
opencv_traincascade -data data -vec cars.vec -bg bg.txt -numPos 500 -numNeg 500 -numStages 2 -w 48 -h 24 -featureType LBP
PARAMETERS:
cascadeDirName: data
vecFileName: cars.vec
bgFileName: bg.txt
numPos: 500
numNeg: 500
numStages: 2
precalcValBufSize[Mb] : 256
precalcIdxBufSize[Mb] : 256
stageType: BOOST
featureType: LBP
sampleWidth: 48
sampleHeight: 24
boostType: GAB
minHitRate: 0.995
maxFalseAlarmRate: 0.5
weightTrimRate: 0.95
maxDepth: 1
maxWeakCount: 100
这是我的输出，我从来没有看到达到LBP的预先计算，无论我想要训练什么;我是如何尝试更改样本大小，图像分辨率，minHitRate或降低numPos的。
===== TRAINING 0-stage =====
<BEGIN
POS count : consumed 500 : 500
NEG count : acceptanceRatio 500 : 1
请询问我未能提供的任何信息。我道歉。
我已经读过关于训练器陷入无限循环，并修改所需的源代码。但是，我希望可以避免，因为这似乎适用于其他人（至少是作者）。
感谢所有过去的问题和答案，这些问题和答案帮助我完成了各种编码项目。
我之前遇到过这样的问题。我解决它的方法是将precalcValBufSize和precalcIdxBufSize的值设置为0和0.似乎预先计算不能用于LBP。但是，它们设置为0后效果很好.LBP的训练过程比Haar快得多。