我已经阅读了《使用简单特征的增强级联快速目标检测》(Rapid Object Detection using a Boosted Cascade of Simple Features)的论文。在第三部分中,它定义了一个弱分类器如下:
我的问题是:如何指定阈值 theta_j
?
对于强分类器,我的问题如下:
我的问题是:如何指定阈值 theta_j
?
对于强分类器,我的问题如下:
theta_j
。Viola和Jones的方法在他们的2004版本论文中有更好的记录,而且在我看来,它非常类似于ROC分析。您必须针对训练集测试每个弱分类器,寻找导致加权误差最小的theta_j
。我们说“加权”是因为我们使用与每个训练样本相关的w_t,i
值来加权错误分类。alpha_t = 1
。这意味着您应该至少有一半的弱分类器输出1,以便强分类器输出1。请记住,如果弱分类器认为x
是面部,则输出1;否则输出0。alpha_t
可以被看作是弱分类器质量的度量,即弱分类器所犯错误越少,它的 alpha
值就越高。由于某些弱分类器比其他分类器更好,因此按照它们的质量加权投票似乎是一个不错的想法。强分类器不等式右侧反映了如果权重至少占所有权重的50%,则将x
分类为1(面部)。你需要确定每个特征的theta_j。这是弱分类器的训练步骤。通常,找到最佳的theta_j取决于你的弱分类器模型。在这种特定情况下,你需要检查训练数据中该特定特征所具有的所有值,并查看哪些值会导致最低的错误分类率。这将成为你的theta_j。