运行opencv_annotation报(-204:Requested object was not found)错误咨询

故障排查解决 #

报错核心是OpenCV的目录遍历函数找不到你指定的/pos目录，按以下顺序排查即可：

• 路径匹配校验：你命令中--images=/pos/使用的是根目录下的绝对路径，如果你实际的pos目录存放在当前执行命令的工作目录下，而非根目录，直接将参数改为相对路径即可：

  ./opencv_annotation --images=./pos/ --annotations=./pos/annotations.txt
  

  如果pos目录在其他位置，填写完整的绝对路径即可，比如--images=/home/harry/haardev/pos/。
• 目录存在性验证：执行命令ls -ld /pos，如果返回No such file or directory说明根目录下确实不存在该目录，找到你实际存放pos目录的路径替换命令中的参数即可。
• 权限与挂载校验：如果确认/pos目录真实存在，执行以下操作排查：
  • 执行mount | grep /pos 确认目录所在分区没有被设置为只读挂载
  • 执行stat /pos 确认目录权限开放了读和执行权限（目录需要执行权限才能遍历内容，你之前设置的4777添加了suid位，对目录无意义还存在安全风险，建议执行chmod 755 /pos修改为正常权限）
  • 如果/pos是软链接，执行readlink -f /pos 确认链接指向的目标路径真实可访问。

opencv_annotation工具作用与重要性 #

• 核心作用：是OpenCV官方提供的正样本可视化标注工具，专门用于Haar、LBP级联分类器训练的前期数据准备工作。你可以通过它打开指定目录下的所有图片，用鼠标框选需要识别的目标对象，工具会自动将目标的所属图片路径、坐标、尺寸等信息写入指定的标注文件，无需手动编辑标注内容，大幅降低标注出错概率。
• 重要性：
  • 是OpenCV原生训练工具链的必备上游组件，输出的标注格式可以直接被opencv_createsamples、opencv_traincascade两个官方训练工具识别，不需要额外做格式转换。
  • 轻量化无额外依赖，对于轻量级自定义目标检测分类器的训练需求，不需要安装复杂的第三方标注工具，即可快速完成标注流程。
  • 和OpenCV版本强绑定，不存在第三方标注工具和OpenCV训练接口的兼容性问题，开源免费可二次开发。

内容的提问来源于stack exchange，提问作者Harry Hobson