中提琴 - 琼斯 adaboost 方法

Question

我已经阅读了有关 Viola-Jones 对象检测方法的论文，但对一些事情感到困惑。

1 - 对于 Adaboost，每一轮是否意味着我们计算所有图像中的所有 160k 特征，然后找到误差最小的特征（据我所知，这是一个“弱分类器？如果我错了，请纠正我）。如果是，那么在可能需要几个月的大量图像上训练这是否需要很长时间？如果这是正确的，还有你会运行多少轮。

2- 如果上述观点是错误的，那么是否意味着对于每个特征，我们使用一个特征评估所有非人脸和人脸图像，并将其与某个可接受的错误阈值进行比较，如果它低于此阈值可接受的阈值，然后我们将此特征作为弱分类器，然后在使用 160k 特征中的下一个特征之前更新权重。

我尝试了解此链接http://www.ece301.com/ml-doc/54-face-detect-matlab-1.html 中的 MATLAB 代码，但不确定他实现 adaboost 的方式是否正确。

如果有一个链接可以简单明了地解释 Viola-Jones 使用的 adaboost，那也会很有帮助。

Answer 1

1) 是的。如果您的参数是 5000 个正窗口和 5000 个负窗口（从您最初提供的一组负背景图像中提取），那么在每个阶段依次评估所有 10000 个窗口的每个特征，并将最好的一个添加到功能集。 是的，在 Viola-Jones 的原始论文中，每个特征都是一个弱分类器。
检查所有功能的过程将需要很长时间，但不是几周。事实上，瓶颈是最后阶段的负面寡妇聚集，可能需要几天或几周的时间。回合数取决于给定条件的达到。每个阶段都需要多轮（通常在最后阶段更多）。所以例如：stage 1 需要 3 个 features（3 轮），stage 2 需要 5 个 features（5 轮），stage 3 需要 6 个 features（6 轮）等等。

2) 上述观点属实，故不适用。

Answer 2

AdaBoost 在几轮中尝试多个弱分类器，在每一轮中选择最好的弱分类器，并结合最好的分类器来创建一个强分类器。

adaboost 示例：

 Data point    Classifier 1  Classifier 2     Classifier 3
 x1             Fail           pass             fail     
 x2             Pass           fail             pass 
 x3             fail           pass             pass 
 x4             pass           fail             pass

AdaBoost 可以通过逆转决策来使用始终错误的分类器。