深度学习图片收集器——基于C++截图程序的需求分析（第一部分）

当一个分类模型（例如车牌或人脸分类器）被建立后, 利用大量数据集进行训练与验证的过程, 旨在评估其性能优劣, 并持续优化参数设置, 以期实现最理想的识别能力.

在这一环节中，大量的训练数据是必不可少的。

在学习的过程中，默认情况下我们会主要依赖于百度和谷歌这两个搜索引擎来获取现成的数据集。然而，在实际项目执行中，并非所有场景都能方便地直接获取现有的公开数据集。这要求我们必须自行开发一套完整的数据收集与标注流程。

另外，别人的同类数据集也不一定适合你的算法和模型。

因此，很多时候需要自己去收集训练图片。

这时候就需要用到截图功能。

提到截图，相信大家用得最多的应该是QQ或微信的截图功能。

虽然操作简便的QQ与微信截图功能，在实际应用中却难以满足自动化需求。具体而言，在保存位置与文件命名方面仍需人工干预；而无法实现进一步的数据处理，则使得对于成千上万张训练图片而言这一过程必然导致大量的人工干预工作量

因此，有必要实现一个独立的截图程序。

截图程序的操作流程如下：按下Alt+A组合键后切换至截屏界面，在此界面中用户需框选指定区域矩形并双击鼠标以完成截取操作。程序会对所选区域内的图像执行二次处理，并将处理结果保存到预设目录（其中文件名由自动生成）。整个操作过程中用户只需执行Alt+A快捷键并选择目标区域即可完成操作，在效率上较传统工具如QQ及微信至少能提升一半以上（人工标