如何指定Adaboost人脸检测器中弱分类器的阈值？

Question

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：

- tidy

Answer 1

对于每个特征，弱分类器都会计算参数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。

对于关于强分类器阈值的直观答案，请考虑所有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。

在Adaboost算法中，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）。

- Ramiro

Answer 2

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。

- ojy