OpenCV中文网站

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 安装 配置
查看: 2794|回复: 2

欢迎大家共同探讨有关boosting人脸检测算法

[复制链接]
发表于 2008-10-30 12:32:02 | 显示全部楼层 |阅读模式
在众多的人脸检测算法中,采用boosting和类harr小波的方法可能是最具实用意义的,所以吸引了很多研究者,从样本处理、样本选择、特征构造、弱分类器构造、弱分类器权重选择、样本权重的更新等方面提出了不少改进的算法,有的从论文提供的实验结果看不错,但理论上好象说不通。如弱分类器权重的设定,原始的算法采用1/2log(1-e)/e,这应该是局部最优的,但有些改进方法,在此基础上,再加一项与正样本检测率相关的,如清华的李闯《一种改进的AdaBoost 算法——AD AdaBoost》,从他的证明过程只能说明,加上该项将会使负样本的加权和H(x)比正样本的加权和增加的少;南京理工大学严云洋《基于特征空间划分的AdaBoost 人脸检测算法》,也做了类似调整,但没有证明,他的解释是在错误率e 相同的情况下, 提高权重 的值, 能加快训练过程的收敛, 并提高检测速度和精度。南加州的一些学者,在样本选择、样本处理等方面有些研究。对单个弱分类器的构造,有人提出过先对特征值进行排序,然后找到最佳的阈值;也有人对特征值区间进行分段,以段边界点作为阈值的可能值,这种方法提高了泛化和抗飞点能力,但还能找到最佳的阈值吗?另外,Jinxin Wu(Fast Asymmetric Learning for Cascade Face Detection)提出的“The Forward Feature Selection algorithm”,需要建一个MXN大数组来存每个样本的每个特征,是够耗资源的。本人在此旨在抛砖引玉,欢迎大家讨论有关boosting人脸检测算法,提供各种改进思路,或者把所看的贴出来交流交流。
回复

使用道具 举报

发表于 2008-10-31 14:54:22 | 显示全部楼层

欢迎大家共同探讨有关boosting人脸检测算法

说一点个人的感觉吧:

人脸的检测在一个粗的范围内已经是close problem了.

现在的问题大多不是人脸本身的,比如远距离,或者是角度偏转较大的.

Boost或者Adaboost作为一种分类器来说已经是很优秀的了,haar对于描述人脸这种结构很明显的图像有着非常好的性能.

想要得到比目前更好的效果的算法个人认为单纯的改进boost或者haar并不能得到大的提升.

现在比较关注于在特征空间中选择更好的特征来描述人脸, 我觉得Adaboost已经是一种极为优秀的分类器框架了.
回复 支持 反对

使用道具 举报

 楼主| 发表于 2008-10-31 15:55:39 | 显示全部楼层

欢迎大家共同探讨有关boosting人脸检测算法

Adaboost作为一种分类器框架确实是非常优秀,我看Jinxin Wu08年发的文章(Fast Asymmetric Learning for Cascade Face Detection)逗了一大圈,性能也没什么改进,与在adaboost中把特征值提到循环外先做排序比起来,时间的复杂度也差不多。不过Adaboost就是训练速度实在是太慢了,有没有方法先剔除一部分对分类贡献不大的特征?
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

手机版|OpenCV中文网站  

GMT+8, 2019-11-13 19:41 , Processed in 0.039549 second(s), 16 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表