Алгоритм Adaboost и его использование в обнаружении лица

Question

Я пытаюсь понять алгоритм Adaboost, но у меня есть некоторые проблемы. Прочитав об Adaboost, я понял, что это алгоритм классификации (как -то похож на нейронную сеть). Но я не мог знать, как выбираются слабые классификаторы (я думаю, что это HAAR-функции для обнаружения лица) и как, наконец, результат H, который является последним сильным классификатором. Я имею в виду, если я нашел альфа -значения и вычислите H, как я собираюсь извлечь из этого выгоду как значение (одно или ноль) для новых изображений. Пожалуйста, есть ли пример идеально описывает его? Я нашел пример плюса и минус, который можно найти в большинстве учебных пособий Adaboost, но я не знал, как именно выбран HI и как принять ту же концепцию по обнаружению лица. Я прочитал много документов, и у меня было много идей, но до сих пор мои идеи не очень хорошо организованы. Спасибо....

Answer 1

Adaboost - это алгоритм акссификации, он использует слабые классификаторы (любая вещь, которая дает более 50% правильный результат, лучше, чем случайный). И, наконец, объединяет их в одном сильном классификаторе. Стадии обучения находят альфа -переменные, которые вычисляют H (конечный результат).
H = sigma (альфа (i)*h (i)) так, что H (i) составляет 1 или нулевой для двух классов.
Похоже, что h - взвешенная сумма всех слабых особенностей, поэтому, когда у нас есть новый вход (не виден ранее), мы применяем слабые классификаторы h (i) и умножаем их на правильные альфа, которые мы получаем с тренировочных этапов, чтобы получить один или ноль.
Для получения дополнительной разъяснения см. Книгу «Десять лучших алгоритмов в счете данных», которую можно найти на веб -сайте gigapeida.com.