Adaboost 알고리즘 및 얼굴 감지에서의 사용

Question

Adaboost 알고리즘을 이해하려고 노력하고 있지만 문제가 있습니다. Adaboost에 대해 읽은 후 나는 그것이 분류 알고리즘이라는 것을 깨달았습니다 (어떻게 든 신경망과 같습니다). 그러나 약한 분류기가 어떻게 선택되는지 (얼굴 감지를위한 HAAR과 같은 특징이라고 생각합니다), 최종적으로 최종 강력한 분류기 인 H 결과를 어떻게 사용할 수 있는지 알 수 없었습니다. 알파 값을 발견하고 H를 계산하면 새 이미지의 값 (1 또는 0)으로 어떻게 혜택을받을 것인가. 완벽한 방식으로 설명하는 예가 있습니까? 대부분의 Adaboost 튜토리얼에서 발견되는 Plus 및 Minus 예제를 찾았지만 Hi가 정확히 어떻게 선택되었는지, Face Detection에서 동일한 개념을 채택하는 방법을 알지 못했습니다. 나는 많은 논문을 읽었고 많은 아이디어가 있었지만 지금까지 내 아이디어는 잘 정리되어 있지 않습니다. 감사....

Answer 1

Adaboost는 Aclassification 알고리즘이며 약한 분류기를 사용합니다 (무작위보다 50% 이상의 올바른 결과를 제공하는 것은 임의보다 낫습니다). 마지막으로 하나의 강력한 분류기로 결합합니다. 훈련 단계는 H (최종 결과)를 계산하는 알파 변수를 찾습니다.
h = 시그마 (알파 (i)*h (i)), h (i)가 2 개의 클래스 문제에 대해 1 또는 0 이도록.
H는 모든 약한 기능의 가중 합계 인 것 같습니다. 따라서 새로운 입력 (이전에는 보이지 않음)이있을 때 약한 분류기 h (i)를 적용하고 올바른 알파를 곱하여 훈련 단계에서 얻을 수있는 올바른 알파를 곱합니다. 또는 0.
자세한 설명은 Gigapeida.com 웹 사이트에서 찾을 수있는 "데이터 마이닝의 상위 10 개 알고리즘"책을 참조하십시오.