有關調整級聯AdaBoost的階段門檻

我已經實現的AdaBoost序列算法，目前我想實現所謂的級聯AdaBoost的，立足於P. Viola和M.瓊斯原紙的一些細節。不幸的是，我有一些疑問，與調整一個階段的門檻有關。正如我們在原來的報紙上看到，該過程在字面上一句話描述：有關調整級聯AdaBoost的階段門檻

Decrease threshold for the ith classiﬁer until the current 
cascaded classiﬁer has a detection rate of at least 
d × Di − 1 (this also affects Fi)

我不知道主要是兩件事情：

什麼門檻？它是0.5 *總和（alpha）表達式值還是隻有0.5個因子？
什麼應該是閾值的初始值？（0.5？）
什麼是「降低門檻」的細節是什麼意思？我是否需要迭代選擇新閾值0.5，0.4，0.3？減少的步驟是什麼？

我試圖在谷歌搜索這個信息，但不幸的是我找不到任何有用的信息。

謝謝你的幫助。

來源

2012-05-05 Viper

我有完全相同的懷疑，並沒有發現任何權威的來源至今。然而，這是我對這個問題的最佳猜測： 1.（0.5 * sum（aplha））是閾值。 2.閾值的初始值是上面的值。接下來，嘗試使用中級強分類器（您目前擁有的）進行分類。您將獲得每個樣本獲得的分數，並且根據閾值的當前值，某些正樣本將被分類爲負值等。因此，根據此階段（強分類器）所需的期望檢測率，降低門檻，使許多陽性樣品獲得正確分類，

如：說脫粒。爲10，而這些都是正訓練樣本的當前分類器輸出：

9.5，10.5，10.2，5.4，6.7

，我想的上述5個樣品歸類爲80％的檢出率=> 80％正確=> 4以上=>將閾值設置爲6.7

顯然，通過改變閾值，FP率也會發生變化，因此更新並且如果未達到階段的期望FP率，則轉到另一個分類器那個階段。

我沒有做過對ADA - 升壓等正式課程，但這是基於一些研究論文我試圖實現我的觀察。如有問題，請糾正我。謝謝！

來源

2012-10-01 05:56:55

的是9.5，10.5，10.2，5.4，6.7？請延長你的答案。 – mrgloom

這些值是來自當前階段中各個弱分類器的累加響應，由它們的對應alpha進行加權。例如，如果你有4個弱分類器和alpha（1，2.5，3，4），這意味着對於第一個正樣本，除第一個樣本外，所有樣本均爲1（因此爲9.5），而第二樣本全部回答爲1（因此10.5）。顯然，這些alpha不足以解釋其他值，但應該清楚如何使用更弱的分類器來計算值。 – thomas

我發現了Karim Ayachi的實時人臉檢測碩士論文（pdf），其中他描述了Viola Jones人臉檢測方法。如第5.2節（使用AdaBoost創建級聯）中所寫，我們可以將強分類器的最大閾值設置爲將（alpha）和最小閾值相加爲0，然後使用二進制搜索找到最優閾值（僞代碼見表5.1）。

希望這會有所幫助！

來源

2012-10-02 11:16:33 ppalasek

有關調整級聯AdaBoost的階段門檻

回答

相關問題