Adaboost -Algorithmus und seine Verwendung in der Gesichtserkennung

Question

Ich versuche den Adaboost -Algorithmus zu verstehen, aber ich habe einige Probleme. Nachdem ich über Adaboost gelesen hatte, wurde mir klar, dass es sich um einen Klassifizierungsalgorithmus handelt (irgendwie wie neuronales Netzwerk). Aber ich konnte nicht wissen, wie die schwachen Klassifizierer ausgewählt werden (ich denke, sie sind haarartige Merkmale für die Gesichtserkennung) und wie schließlich das H-Ergebnis, das der endgültige starke Klassifizierer ist, verwendet werden kann. Ich meine, wenn ich die Alpha -Werte gefunden und das H berechnet habe, wie werde ich dann als Wert (ein oder Null) für neue Bilder davon profitieren. Bitte beschreibt es ein Beispiel auf perfekte Weise? Ich fand das Plus- und Minus -Beispiel, das in den meisten Adaboost -Tutorials zu finden ist, aber ich wusste nicht, wie genau HI ausgewählt wird und wie das gleiche Konzept für die Gesichtserkennung angenommen werden kann. Ich habe viele Papiere gelesen und hatte viele Ideen, aber bis jetzt sind meine Ideen nicht gut arrangiert. Vielen Dank....

Answer 1

Adaboost ist Aclassifizierungsalgorithmus, es verwendet schwache Klassifizierer (alles, was mehr als 50% korrektes Ergebnis liefert, besser als zufällig). Und kombiniert sie schließlich in einem starken Klassifikator. Die Trainingsphasen finden die Alpha -Variablen, die das H (Endergebnis) berechnen.
H = Sigma (Alpha (i)*H (i)), so dass H (i) 1 oder Null für zwei Klassenprobleme ist.
Es scheint, dass H eine gewichtete Summe aller schwachen Merkmale ist. Wenn wir also eine neue Eingabe haben (noch nicht gesehen), wenden wir die schwachen Klassifikatoren H (i) an und multiplizieren Sie sie mit den richtigen Alphas, die wir aus den Trainingsstufen erhalten, um einen zu erhalten oder Null.
Weitere Klärung finden Sie in den zehn Top -Algorithmen in Data Mining, die auf der Website von Gigapeida.com zu finden sind.