Adaboost算法及其在人臉檢測中的用法

Question

我想了解Adaboost算法，但我有一些麻煩。在閱讀Adaboost後，我意識到它是一種分類算法（類似於神經網絡）。但我不知道如何選擇弱分類器（我認爲它們是用於人臉檢測的類似haar的特徵），以及最終如何使用作爲最終強分類器的H結果。我的意思是，如果我找到了alpha值並計算了H，我將如何從中獲益爲新圖像的值（一個或零）。請問有沒有一個例子以完美的方式描述它？我找到了大多數adaboost教程中找到的加號和減號例子，但是我不知道如何選擇hi以及如何在人臉檢測中採用相同的概念。我讀了很多論文，並且我有很多想法，但直到現在我的想法都沒有很好的安排。 謝謝....

Answer 1

Adaboost是類分類算法，它使用弱分類器（任何給予超過50％的正確結果，比隨機更好）。最後將它們結合在一個強分類器中。 訓練階段找到計算H（最終結果）的阿爾法變量。
H = Sigma（alpha（i）* h（i））使得對於兩類問題h（i）爲1或零。
似乎H是所有弱特徵的加權和，所以當我們有一個新的輸入（前面沒有看到過）時，我們應用弱分類器h（i）並將它們與我們從訓練階段獲得的正確的alpha相乘得到一個或零。
欲瞭解更多信息，請參閱gigapeida.com網站上的「數據挖掘中的十大算法」一書。