【发布时间】：2016-05-09 06:51:08
【问题描述】：
我正在尝试使用 AdaBoost Viola & Jones 构建一个强大的分类器。我知道什么是弱分类器，但我找不到指定阈值 teta a 和每个弱分类器的奇偶校验 p 的方法。 谁能告诉或解释我该怎么做？
【问题讨论】：
标签： machine-learning computer-vision classification face-detection
【发布时间】：2016-05-09 06:51:08
【问题描述】：
我做了一些研究，我找到了这个 M
在这里，在 viola-Jones 的原始论文中，第 3.1 节学习讨论（确切地说，第 4 段）中，您将找到找到最佳阈值的过程。
下面我会快速总结一下方法。
每个特征的最佳阈值取决于样本权重，因此在 adaboost 的非常迭代中计算。伪代码中提到的保存了最佳弱分类器的阈值。
在每一轮中，对于每个弱分类器，你必须根据特征值排列N个训练样本。设置一个阈值会将这个序列分成两部分。两个部分都将具有大多数正样本或负样本以及少数其他类型的样本。
T+ : 正样本权重的总和
T- ：负样本权重的总和
S+ ：低于阈值的正样本权重之和
S- ：低于阈值的负样本权重之和
此特定阈值的错误是 -
e = MIN((S+) + (T-) - (S-), (S-) + (T+) - (S+))
您为所有 N 种可能的分离样本的方法计算此误差。
最小误差将为您提供阈值范围。
问题：
1.我没明白这个''最小误差会给你阈值的范围。 ''
2. 如果我找到阈值，我如何使用最小误差确定弱分类器的奇偶性
【讨论】：