Объединение LBP и Adaboost

Я хочу обучить набор данных для обнаружения лиц.Объединение LBP и Adaboost

Я собираюсь использовать LBP как слабые классификаторы и Adaboost для повышения их до одного сильного классификатора.

У меня есть положительные и отрицательные образцы. Их размер составляет 18x18 пикселей. Я разделяю каждую картинку на 9 субрегионов. В каждом блоке я вычисляю каждое значение LBP пикселей. И подсчитайте их частоту в блоке. Таким образом, каждый блок имеет 256 значений в качестве частот.

Мой вопрос: как я могу использовать LBP в Adaboost? Adaboost ожидает слабый классификатор, но LBP сам по себе не может классифицировать изображение. Как я могу изменить Adaboost, чтобы выбрать наиболее важные значения из каждого блока?

источник

2013-05-20 Can Vural

Вы можете указать слабый ученик для AdaBoost в пакете SciKit-Learn для Python. В пакете Mahotas Python реализована реализация LBP. Возможно, вы сможете обернуть LBP, чтобы он мог использоваться как слабый ученик для AdaBoost, предоставляя методы 'fit',' pred' и 'score'. –

Вам нужно превратить LBP во что-то, что возвращает логическое число, или, возможно, + 1/-1 или, возможно, число с плавающей запятой, в зависимости от вкуса AdaBoost, который вы используете. Обычно люди достигают этого, применяя порог к значению с плавающей запятой. Затем вы можете использовать его как слабый классификатор в AB. Я могу рассказать вам больше, если более подробно описать ваши вычисления LBP.

источник

2013-05-20 18:09:23 AlexK

ответ

Смежные вопросы