Algoritmo Adaboost y su uso en la detección de la cara

Question

Estoy tratando de entender el algoritmo Adaboost pero tengo algunos problemas. Después de leer sobre Adaboost, me di cuenta de que es un algoritmo de clasificación (de alguna manera como la red neuronal). Pero no podía saber cómo se eligen los clasificadores débiles (creo que son características similares a HAAR para la detección de la cara) y cómo finalmente se puede usar el resultado H, que es el clasificador final final. Quiero decir, si encontré los valores alfa y calculé la H, ¿cómo voy a beneficiarme de él como un valor (uno o cero) para nuevas imágenes? Por favor, ¿hay un ejemplo lo describe de una manera perfecta? Encontré el ejemplo más y menos que se encuentra en la mayoría de los tutoriales de Adaboost, pero no sabía cómo se elige exactamente HI y cómo adoptar el mismo concepto en la detección de cara. Leí muchos documentos y tenía muchas ideas, pero hasta ahora mis ideas no están bien organizadas. Gracias....

Answer 1

Adaboost es algoritmo de aclasificación, utiliza clasificadores débiles (cualquier cosa que dé más del 50% de resultado correcto, mejor que al azar). Y finalmente los combina en un clasificador fuerte. Las etapas de entrenamiento encuentran las variables alfa que calculan la H (resultado final).
H = sigma (alfa (i)*h (i)) tal que h (i) es 1 o cero para dos clases de problema.
Parece que H es una suma ponderada de todas las características débiles, por lo que cuando tenemos una nueva entrada (no se ve antes) aplicamos los clasificadores débiles H (i) y las multiplicamos con los alfa correctos que obtenemos de las etapas de entrenamiento para obtener uno o cero.
Para obtener más aclaraciones, consulte el libro "Los diez algoritmos principales en la minería de datos" que se puede encontrar en el sitio web de Gigapeida.com.