ADABOOSTアルゴリズムと顔面検出におけるその使用

Question

Adaboostアルゴリズムを理解しようとしていますが、いくつかの問題があります。 Adaboostについて読んだ後、私はそれが分類アルゴリズムであることに気付きました（どういうわけかニューラルネットワークに似ています）。しかし、弱い分類子がどのように選択されるか（顔の検出のためのhaarのような機能だと思います）と、最後に最終的な強力な分類器であるHの結果をどのように使用できるかはわかりませんでした。つまり、アルファ値を見つけてHを計算した場合、新しい画像の値（1つまたはゼロ）としてどのように利益を得るのでしょうか。それを完璧な方法で説明する例はありますか？ほとんどのadaboostチュートリアルで見つかったプラスとマイナスの例を見つけましたが、HIがどのように選択され、顔検出で同じ概念を採用する方法を正確に採用するかわかりませんでした。私は多くの論文を読みましたが、多くのアイデアがありましたが、今まで私のアイデアはうまく配置されていません。ありがとう....

Answer 1

AdaboostはAclassification Algorithmであり、弱い分類子を使用します（ランダムよりも優れた50％以上の正しい結果を与えるもの）。そして最後に、それらを1つの強力な分類器に組み合わせます。トレーニング段階では、Hを計算するアルファ変数が見つかります（最終結果）。
h = sigma（alpha（i）*h（i））で、2つのクラスの問題でH（i）が1またはゼロになるようにします。
Hはすべての弱い機能の加重合計であるように思われるため、新しい入力がある場合（前には見られません）、弱い分類子h（i）を適用し、トレーニング段階から取得した正しいアルファを掛けて、1つを取得します。またはゼロ。
詳細については、gigapeida.comのWebサイトにある「データマイニングのトップ10アルゴリズム」ブックを参照してください。