>>886
一番いいのは(あるなら)想定しているシーンで検出対象が写っている画像の
検出対象だけを近辺の色で塗りつぶした画像だけど正解画像を作るの同じくらいの
労力が必要になる。正解画像を作る過程で同時に作れると少し楽。

1枚の画像から複数の物体を検出する場合は
同時に写っている可能性があるなら他の背景よりも
信頼性のある不正解なので増やせばいいけど
もしジャンケンのようにどれかに決定したいなら
誤検出を気にするよりは数秒間投票を行って多数決で決めるなどのほうがいいと思う。

ただhaarlikeは形状の変化に弱いので
手を検出するならカメラからの視点をできるかぎり制限しないと難しいと思うよ。