Adaboost算法及其在人脸检测中的应用

Question

我正在尝试了解 Adaboost 算法，但我遇到了一些麻烦。在阅读了 Adaboost 之后，我意识到它是一种分类算法（有点像神经网络）。但是我不知道如何选择弱分类器（我认为它们是用于人脸检测的类似 haar 的特征）以及最终如何使用作为最终强分类器的 H 结果。我的意思是，如果我找到了 alpha 值并计算 H，我将如何从中受益作为新图像的值（一或零）。请问有没有一个例子以完美的方式描述它？我找到了大多数 adaboost 教程中的加号和减号示例，但我不知道如何选择 hi 以及如何在人脸检测中采用相同的概念。我读了很多论文，我有很多想法，但直到现在我的想法都没有很好地安排。 谢谢....

Answer 1

Adaboost 是一种分类算法，它使用弱分类器（任何能给出超过 50% 正确结果的东西，比随机更好）。最后将它们组合成一个强分类器。 训练阶段找到计算 H（最终结果）的 alpha 变量。
H=Sigma(alpha(i)*h(i)) 使得 h(i) 对于两类问题为 1 或 0。
看起来 H 是所有弱特征的加权和，所以当我们有一个新的输入（以前没有见过）时，我们应用弱分类器 h(i) 并将它们与我们从训练阶段获得的正确 alpha 相乘得到一个或零。
如需更多说明，请参阅 gigapeida.com 网站上的“数据挖掘中的十大算法”一书。