adaboost算法及其在面部检测中的用法

Question

我试图理解adaboost算法，但我有一些麻烦。在阅读了有关Adaboost的信息之后，我意识到这是一种分类算法（像神经网络一样）。但是我不知道如何选择弱分类器（我认为它们是面部检测的特征），以及最终如何使用H结果，这是最终的强分类器。我的意思是，如果我找到了alpha值并计算H，那么我将如何从中受益为新图像的值（一个或零）。请有一个示例以完美的方式描述它？我找到了大多数Adaboost教程中发现的加分和减例示例，但我不知道如何确切选择HI，以及如何在面部检测中采用相同的概念。我读了很多论文，但我有很多想法，但是直到现在，我的想法还没有很好地安排。谢谢....

Answer 1

Adaboost是分类算法，它使用弱分类器（任何给出50％以上正确结果的东西，比随机性更好）。最后将它们结合在一个强大的分类器中。训练阶段找到计算H的α变量（最终结果）。
h = sigma（alpha（i）*h（i）），因此两个类问题的h（i）为1或零。
似乎H是所有弱特征的加权总和，因此，当我们有一个新的输入（以前看不见）时，我们应用了弱分类器H（i），并用正确的alpha乘以我们从训练阶段获得的正确alpha，以获得一个或零。
有关更多澄清，请参见可以在gigapeida.com网站上找到的“数据挖掘中的十大算法”。