计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2011年
6期
265-268
,共4页
人脸检测%Haar-like特征%AdaBoost算法%级联分类器%计算机视觉
人臉檢測%Haar-like特徵%AdaBoost算法%級聯分類器%計算機視覺
인검검측%Haar-like특정%AdaBoost산법%급련분류기%계산궤시각
针对传统AdaBoost算法存在的所需样本数量大、训练时间长、分类器检测费时的问题,提出一种快速样本选择和分类器优化算法.首先,提出一个基于SVM的训练样本选择算法,来提高样本的有效率;其次,提出一种将多个分类器组合成一个新的分类器的算法,减少了分类器的总数,且新生成的分类器比原有多个分类器分类能力更强,提高了检测性能.实验结果表明,算法能够用更少的样本与时间达到与传统方法相同的性能.
針對傳統AdaBoost算法存在的所需樣本數量大、訓練時間長、分類器檢測費時的問題,提齣一種快速樣本選擇和分類器優化算法.首先,提齣一箇基于SVM的訓練樣本選擇算法,來提高樣本的有效率;其次,提齣一種將多箇分類器組閤成一箇新的分類器的算法,減少瞭分類器的總數,且新生成的分類器比原有多箇分類器分類能力更彊,提高瞭檢測性能.實驗結果錶明,算法能夠用更少的樣本與時間達到與傳統方法相同的性能.
침대전통AdaBoost산법존재적소수양본수량대、훈련시간장、분류기검측비시적문제,제출일충쾌속양본선택화분류기우화산법.수선,제출일개기우SVM적훈련양본선택산법,래제고양본적유효솔;기차,제출일충장다개분류기조합성일개신적분류기적산법,감소료분류기적총수,차신생성적분류기비원유다개분류기분류능력경강,제고료검측성능.실험결과표명,산법능구용경소적양본여시간체도여전통방법상동적성능.