A一種改進的AdaBoost算法――AD_AdaBoost_圖文

1、 維普資訊 計 算 機 學 報 從 非文 字 區(qū)域 中 隨機 獲取 的 練 集 包括 個 訓 正 樣本 和 個 負樣 本 ， 試 集 則 包 括 個 測 正 樣本 和 個負 樣本 訓 練采 用 的特 征 是從 維 直 方 圖 特征 庫 中 分類器 給 出 了分 別 采 用 兩種 算 法 在 訓 練集 ： 圖 測試集 上 對應 的 曲線 ， 以看 出 ， 高檢 測 可 在 端 ， 較低 的一 端 ， 算 法 的 即 新 性 能 得 了改善 為了體 現 在低 端 的下 降 ， 中 的 圖 曲線 截 取 的是 對 應 高 檢 測 即 較 小 的部 分 選 取 的 于級聯 結構 的第 一級 ， 用 維

2、特 征各 對 選 自在 傳統(tǒng) 的 算 法下 訓練 和 （ ） 練集 上兩種 算 法的 曲線 訓 （ ）測試 集上 兩種算 法 的 ） （ 曲線 圖 根據 本文 節(jié) 中對 閾值 調整 的 闡述和 圖 的 曲線 ， 為級 聯 結 構 的第 一 級 分 類 器 確 定 閾值 ， 使其 滿 足 在 訓 練 集 上 的 為 時 ， 此 表 給 出 了 分 類 器 在 訓 練 集 和 測 試 集 上 的 和 以 看 出 ， 傳 統(tǒng) 的 可 與 算法 對 比 ， 訓 練 集 上 具 有 更 低 的 在 ， 在 測 試 其 集上 的 和 也 有不 同程 度 的改善 表 新 舊算 法 在 訓 練 集 時 的 實

3、驗 結 果 對 比 上述 的實驗結 果 說 明 了 ， 低 端 ， 文 提 在 本 出的 算法 對 比傳統(tǒng) 的 法 算 具 有更好 的性 能 當采 用 圖像 中文 對 字 檢測所 使 用 的級 聯結 構分 類 器進 行 訓 練 時 ， 級 的分類 器 即可 滿 足 檢 測 問 題 對 和 的 要 求 而若 采 用 傳 統(tǒng) 的 法 進行 訓 練 ， 需 算 則 要 級 才能夠滿 足 同樣 的要 求 基于 的級 聯結 構分 類器 由于 具 有 較 少 的級 數 ， 運 算 速 其 度更 快 ， 泛化 能力 也更 強 在對 自然 景物 圖像 中 的文字 進行 檢測 的應用 系 統(tǒng) 中 ， 先采 用基

4、 于 首 的級聯 結 構分 類 器 對掃 描窗 口進行 判決 ， 然后 對 判 決 結 果進 行 合 并 等操 作 以實現 對文 字 區(qū)域 的檢 測定 位 給 出 了 圖 檢 測 的過 程 和結果 基 于級聯 結 構 的 類 器是 解 決 目 分 圖 （ ） 聯結 構分 類器 在不 同尺度 下 級 對 圖像 中的掃 描窗 口進 行判 決的 結果 （ 仍然 顯示 圖 像 內容的那 些掃 描窗 口被 分類 器判決 為 文字 區(qū)域 ） 結 論 維普資訊 期 李 闖等 ： 種 改 進 的 法 一 算 檢測 問題 的 有效 途 徑 之 一 是 ， 統(tǒng) 的 但 傳 算法 是針 對對稱 的兩 類 分類 問題

5、 的 ， 其優(yōu) 化 目標 是 錯誤 率上 界 的最小 化 ； 目標 檢 測 是一 個 非 對 稱 的 而 兩類分類 問題 ， 采用 級聯 結構 時 ， 對分類 器 的要 在 其 求 是在 低 端 盡 可 能 地 小 因此 ， 統(tǒng) 的 傳 算法仍 需 進 一 步 改 進 才 能 更適 應 目標 檢 測 問題 ， ： 。 ， ， ， （ ）： ， 【 ， ， ， ， ， ： ， ， 本文 提 出 了一 種 新 的 算 法 該 算 法 采 用 了 更 為 有 效 的 參 數 求 解 方 法， 即弱 分類 器 的加 權參 數不 但 與錯誤 率有 關 ， 與 還 其 對 正樣本 的識 別 能力 有關 能 夠通 過 改 善樣 本 （ 值 的 分 布有 效地 降 低低 ） 端 的 ， 其更適 用 于 目標 檢測 問題 的要 求 使 ， ， ； 。 ， ， ： ， ， ： 實驗 結果 證 明了新算 法對 比傳 統(tǒng)算 法所 取得 的 性 能改進 文采 用新 算 法 訓 練 基 于級 聯 結 構 的 分 本 ， 類 器并將 其 應用 到 自然 景 物 圖像 中 的文 字 檢測 ， 取 得 了較好 的結 果 參 考 文 獻 ， ， ， ， ： ， ，