没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
AdaBoost 算法的训练过程
(2009-03-06 16:10:31)
转载
标签:
杂谈
分类:转载
每个 Haar 特征对应看一个弱分类器,但并不是任伺一个 Haar 特征都能较好的描述人脸
灰度分布的某一特点,如何从大量的 Haar 特征中挑选出最优的 Haar 特征并制作成分类
器用于人脸检测,这是 AdaBoost 算法训练过程所要解决的关键问题。
Paul Viola 和 Michael Jones 于 2001 年将 Adaboost 算法应用于人脸检测中,其基本
思想是针对不同的训练集训练同一个分类器(弱分类器),然后把这些不同训练集上的得
到的分类器联合起来,构成一个最终的强分类器。Adaboost 算法中不同的训练集是通过
调整每个样本对应的权重来实现的。开始时,每个样本对应的权重是相同的,对于 h1 分
类错误的样本,加大其对应的权重;而对于分类正确的样本,降低其权重,这样分错的
样本就被突出出来,从而得到一个新的样本分布U2 。在新的样本分布下,再次对弱分类
器进行训练,得到弱分类器h2 。依次类推,经过T 次循环,得到T 个弱分类器,把这T
个弱分类器按一定的权重叠加(boost)起来,得到最终想要的强分类器。
训练系统总体框架,由“训练部分”和“补充部分”构成。依据系统框架,本文的训练系
统可分为以下几个模块:
(1)以样本集为输入,在给定的矩形特征原型下,计算并获得矩形特征集;
(2)以特征集为输入,根据给定的弱学习算法,确定闽值,将特征与弱分类器一一对应,
获得弱分类器集;
(3)以弱分类器集为输入,在训练检出率和误判率限制下,使用 A d a B o o s t 算法
挑选最优的弱分类器构成强分类器;
(4)以强分类器集为输入,将其组合为级联分类器;
(5)以非人脸图片集为输入,组合强分类器为临时的级联分类器,筛选并补充
非人脸样本。
资源评论
- pk不乱发型2014-03-28图文并茂,还是很有帮助的
- MyStudy_Sky2012-02-20word文档,,而且是2007版的docx 没有安装,未打开查看。
- huangyanan20082012-09-06word文档,,而且是2007版的docx 没有安装
toilet22
- 粉丝: 17
- 资源: 14
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功