Я пытаюсь понять алгоритм Adaboost, но у меня есть некоторые проблемы. Прочитав об Adaboost, я понял, что это алгоритм классификации (как-то как нейронная сеть). Но я не мог знать, как выбраны слабые классификаторы (я думаю, что они являются хароподобными функциями для обнаружения лиц), и как, наконец, можно использовать результат H, который является окончательным сильным классификатором. Я имею в виду, если бы я нашел альфа-значения и вычислил H, как я буду использовать его в качестве значения (одного или нуля) для новых изображений. Пожалуйста, вот пример, который описывает это в идеальном виде? я нашел пример плюс и минус, который встречается в большинстве учебных пособий adaboost, но я не знал, как именно выбрано hi, и как принять ту же концепцию обнаружения лица. Я прочитал много статей, и у меня было много идей, но до сих пор мои идеи плохо организованы. Спасибо ....Алгоритм Adaboost и его использование при обнаружении лица
ответ
Adaboost - алгоритм аллетеризации, он использует слабые классификаторы (любая вещь, которая дает более 50% правильный результат, лучше, чем случайный). И, наконец, объединяет их в один сильный классификатор. Этапы обучения определяют альфа-переменные, которые вычисляют H (конечный результат).
H = Sigma (alpha (i) * h (i)) такой, что h (i) равен 1 или нулю для задачи двух классов.
Кажется, что H - взвешенная сумма всех слабых функций, поэтому, когда у нас есть новый вход (не замеченный ранее), мы применяем слабые классификаторы h (i) и умножаем их на правильный альфа, который мы получаем от этапов обучения до получить один или ноль.
Для получения дополнительной информации см. Книгу «Лучшие десять алгоритмов в области интеллектуального анализа данных», которую можно найти на веб-сайте gigapeida.com.