AdaBoost算法的訓(xùn)練過程_第1頁
AdaBoost算法的訓(xùn)練過程_第2頁
AdaBoost算法的訓(xùn)練過程_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、word word 格式-可編輯-感謝下載支持AdaBoost 算法的訓(xùn)練過程Haar Haar Haar Haar AdaBoost 算法訓(xùn)練過程所要解決的關(guān)鍵問題。Paul Viola Michael Jones 2001 Adaboost 算法應(yīng)用于人臉檢測(cè)中,其基本思想是（弱分類器然后把這些不同訓(xùn)練集上的得到的分類Adaboost 算法中不同的訓(xùn)練集是通過調(diào)整每個(gè)樣h1 加大其對(duì)應(yīng)的權(quán)重； 而對(duì)于分類正確的樣本， 降低其權(quán)重， 這樣分錯(cuò)的樣本就被突出出來，從而得到一個(gè)新的樣本分布 U2 。在新的樣本分布下，再次對(duì)弱分類器進(jìn)行訓(xùn)練，得到弱分類器 h2 T T T 個(gè)弱分類器按一定的權(quán)重疊

2、加（boost）起來，得到最終想要的強(qiáng)分類器。訓(xùn)練系統(tǒng)總體框架，由“ 訓(xùn)練部分”和 “ 補(bǔ)充部分”構(gòu)成。依據(jù)系統(tǒng)框架，本文的訓(xùn)練系統(tǒng)可分為以下幾個(gè)模塊:以樣本集為輸入，在給定的矩形特征原型下，計(jì)算并獲得矩形特征集;獲得弱分類器集;A d a B o o s t 挑選最優(yōu)的弱分類器構(gòu)成強(qiáng)分類器;以強(qiáng)分類器集為輸入，將其組合為級(jí)聯(lián)分類器;非人臉樣本。訓(xùn)練樣本的選擇：1 2424 2424 分別具有一定的代表性。1 部分訓(xùn)練正樣本集和訓(xùn)練負(fù)樣本集3 個(gè)步驟：首先需要提取Haar 特征；然后將Haar 量的弱分類器中迭代選擇出最優(yōu)弱分類器。提取Haar特征圖 2 常用的四種Haar 特征常用的Haar 4 2 4 種特征的基礎(chǔ)上設(shè)計(jì)出更多、更復(fù)雜的特24X24 4 160000 個(gè)。這樣龐大的數(shù)字AdaBoost 需要改進(jìn)的關(guān)鍵問題之一o生成弱分類器每一個(gè)Haar 特征都對(duì)應(yīng)著一個(gè)弱分類器，每一個(gè)弱分類器都是根據(jù)它所對(duì)應(yīng)的Haar 特征的參數(shù)來定義的。利用上述Haar AdaBoost 算法經(jīng)網(wǎng)絡(luò)，那么AdaBoost 算法每次將構(gòu)造多層感知器的一個(gè)節(jié)點(diǎn)。采用AdaBoost算法選取優(yōu)化的弱分類器AdaB

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論