Algorithme Adaboost et son utilisation dans la détection du visage

Question

J'essaie de comprendre l'algorithme Adaboost mais j'ai des problèmes. Après avoir lu sur Adaboost, j'ai réalisé qu'il s'agissait d'un algorithme de classification (en quelque sorte comme le réseau neuronal). Mais je ne pouvais pas savoir comment les classificateurs faibles sont choisis (je pense que ce sont des caractéristiques de type Haar pour la détection du visage) et comment finalement le résultat H qui est le classificateur fort final peut être utilisé. Je veux dire que si j'ai trouvé les valeurs alpha et calculer le H, comment vais-je en bénéficier comme une valeur (un ou zéro) pour de nouvelles images. S'il vous plaît, y a-t-il un exemple le décrit de manière parfaite? J'ai trouvé l'exemple plus et moins que l'on trouve dans la plupart des tutoriels Adaboost, mais je ne savais pas comment HI est choisi et comment adopter le même concept sur la détection du visage. J'ai lu de nombreux papiers et j'avais beaucoup d'idées, mais jusqu'à présent, mes idées ne sont pas bien organisées. Merci....

Answer 1

Adaboost est un algorithme d'aclassification, il utilise des classificateurs faibles (tout ce qui donne plus de 50% de résultat correct, mieux que aléatoire). Et les combine enfin dans un classificateur fort. Les étapes de formation trouvent les variables alpha qui calculent le H (résultat final).
H = sigma (alpha (i) * h (i)) tel que H (i) est 1 ou zéro pour deux classes de problèmes.
Il semble que H soit une somme pondérée de toutes les fonctionnalités faibles, donc lorsque nous avons une nouvelle entrée (pas vue auparavant), nous appliquons les classificateurs faibles H (i) et les multiplions avec les alphas corrects que nous obtenons des étapes de formation pour en obtenir une ou zéro.
Pour plus de clarification, consultez le livre "Les dix premiers algorithmes de Data Mining" qui peuvent être trouvés sur le site Web gigapeida.com.