Algoritmo Adaboost e il suo utilizzo nel rilevamento del viso

Question

Sto cercando di capire l'algoritmo Adaboost ma ho dei problemi. Dopo aver letto su Adaboost mi sono reso conto che si tratta di un algoritmo di classificazione (in qualche modo come la rete neurale). Ma non potevo sapere come vengano scelti i classificatori deboli (penso che siano caratteristiche simili a HAAR per il rilevamento del viso) e su come si può usare il risultato H che è il classificatore forte finale. Voglio dire, se ho trovato i valori alfa e calcola la H, come ne trarrò beneficio come valore (uno o zero) per nuove immagini. Per favore, c'è un esempio lo descrive in modo perfetto? Ho trovato l'esempio più e negativo che si trova nella maggior parte dei tutorial di Adaboost ma non sapevo come sia stato scelto esattamente e come adottare lo stesso concetto sul rilevamento del viso. Ho letto molti documenti e ho avuto molte idee, ma fino ad ora le mie idee non sono ben organizzate. Grazie....

Answer 1

Adaboost è l'algoritmo di aclassificazione, utilizza classificatori deboli (qualsiasi cosa che dà un risultato corretto superiore al 50%, migliore di casuale). E infine li combina in un forte classificatore. Le fasi di allenamento trovano le variabili alfa che calcola l'H (risultato finale).
H = Sigma (alpha (i)*H (i)) tale che H (i) sia 1 o zero per due classi.
Sembra che H sia una somma ponderata di tutte le caratteristiche deboli, quindi quando abbiamo un nuovo input (non visto prima) applichiamo i classificatori deboli H (i) e li moltipliciamo con gli alfa corretti che otteniamo dalle fasi di allenamento per ottenerne uno o zero.
Per ulteriori chiarimenti, consultare il libro "I dieci algoritmi migliori nel data mining" che può essere trovato sul sito Web Gigapeida.com.