计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2010年
2期
258-260
,共3页
Boost%分布式训练%权重%检测率
Boost%分佈式訓練%權重%檢測率
Boost%분포식훈련%권중%검측솔
Adaboost方法是一种可以将弱学习转化为强学习的方法,从理论上讲,只要有足够多的样本,足够多的特征,训练足够充分,adaboost训练出来的分类器的错误率可以无限趋于零的.但是,正因为如此,当样本数目比较多,特征数目也很多时,adaboost训练算法存在训练时间太长的问题.同时,在检测人脸过程中,由于大多数的检测算法采用穷举方式,当原始图片过大时,也存在检测时间长的问题.首先将分布式计算引入adaboost训练算法当中,以提高训练速度;同时,对检测算法加以改进,用前一次检测中通过的强分类器数目来动态决定下一次的移动步长,从而提高了检测速度.
Adaboost方法是一種可以將弱學習轉化為彊學習的方法,從理論上講,隻要有足夠多的樣本,足夠多的特徵,訓練足夠充分,adaboost訓練齣來的分類器的錯誤率可以無限趨于零的.但是,正因為如此,噹樣本數目比較多,特徵數目也很多時,adaboost訓練算法存在訓練時間太長的問題.同時,在檢測人臉過程中,由于大多數的檢測算法採用窮舉方式,噹原始圖片過大時,也存在檢測時間長的問題.首先將分佈式計算引入adaboost訓練算法噹中,以提高訓練速度;同時,對檢測算法加以改進,用前一次檢測中通過的彊分類器數目來動態決定下一次的移動步長,從而提高瞭檢測速度.
Adaboost방법시일충가이장약학습전화위강학습적방법,종이론상강,지요유족구다적양본,족구다적특정,훈련족구충분,adaboost훈련출래적분류기적착오솔가이무한추우령적.단시,정인위여차,당양본수목비교다,특정수목야흔다시,adaboost훈련산법존재훈련시간태장적문제.동시,재검측인검과정중,유우대다수적검측산법채용궁거방식,당원시도편과대시,야존재검측시간장적문제.수선장분포식계산인입adaboost훈련산법당중,이제고훈련속도;동시,대검측산법가이개진,용전일차검측중통과적강분류기수목래동태결정하일차적이동보장,종이제고료검측속도.
