Algoritmo Adaboost e seu uso na detecção de rosto

Question

Estou tentando entender o algoritmo Adaboost, mas tenho alguns problemas.Depois de ler sobre o Adaboost percebi que é um algoritmo de classificação (de alguma forma como uma rede neural).Mas eu não sabia como os classificadores fracos são escolhidos (acho que são recursos semelhantes aos do Haar para detecção de rosto) e como finalmente o resultado H, que é o classificador forte final, pode ser usado.Quero dizer, se eu encontrar os valores alfa e calcular o H, como vou me beneficiar disso como um valor (um ou zero) para novas imagens.Por favor, há um exemplo que o descreva de maneira perfeita?encontrei o exemplo de mais e menos encontrado na maioria dos tutoriais do adaboost, mas não sabia exatamente como oi é escolhido e como adotar o mesmo conceito na detecção de rosto.Li muitos artigos e tive muitas ideias, mas até agora minhas ideias não estão bem organizadas.Obrigado....

Answer 1

Adaboost é um algoritmo de classificação que usa classificadores fracos (qualquer coisa que dê mais de 50% de resultado correto, melhor que aleatório).E, finalmente, combina-os em um classificador forte.As etapas de treinamento encontram as variáveis ​​alfa que calculam o H (resultado final).
H=Sigma(alpha(i)*h(i)) tal que h(i) é 1 ou zero para problema de duas classes.
Parece que H é uma soma ponderada de todos os recursos fracos, então quando temos uma nova entrada (não vista antes) aplicamos os classificadores fracos h(i) e os multiplicamos pelos alfas corretos que obtemos nos estágios de treinamento para obter um ou zero.
Para mais esclarecimentos consulte o livro “The Top Ten Algorithms in Data Mining” que pode ser encontrado no site gigapeida.com.