模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2011年
6期
869-874
,共6页
目标检测%特征失配%多配置特征包%多示例学习
目標檢測%特徵失配%多配置特徵包%多示例學習
목표검측%특정실배%다배치특정포%다시례학습
针对目标检测中的特征失配问题,提出多配置特征包的概念,刻画同一特征可能出现的不同失配情况.目标分类器学习时,利用Boosting算法学习出最具鉴别力特征包,每个特征包对应一个单特征和它的失配情况,目标分类器是最优特征包分类器的线性组合.进一步地,引人多示例学习思想,有效评估特征包鉴别力、学习特征包分类器.在人脸数据集上的实验表明,较之传统方法,考虑特征失配后,文中算法能获得更好的检测性能.同时,与固定包生成方式相比,多配置特征包能较好拟合特征失配情况,在提高检测率的同时获得更小的检测器尺寸.
針對目標檢測中的特徵失配問題,提齣多配置特徵包的概唸,刻畫同一特徵可能齣現的不同失配情況.目標分類器學習時,利用Boosting算法學習齣最具鑒彆力特徵包,每箇特徵包對應一箇單特徵和它的失配情況,目標分類器是最優特徵包分類器的線性組閤.進一步地,引人多示例學習思想,有效評估特徵包鑒彆力、學習特徵包分類器.在人臉數據集上的實驗錶明,較之傳統方法,攷慮特徵失配後,文中算法能穫得更好的檢測性能.同時,與固定包生成方式相比,多配置特徵包能較好擬閤特徵失配情況,在提高檢測率的同時穫得更小的檢測器呎吋.
침대목표검측중적특정실배문제,제출다배치특정포적개념,각화동일특정가능출현적불동실배정황.목표분류기학습시,이용Boosting산법학습출최구감별력특정포,매개특정포대응일개단특정화타적실배정황,목표분류기시최우특정포분류기적선성조합.진일보지,인인다시례학습사상,유효평고특정포감별력、학습특정포분류기.재인검수거집상적실험표명,교지전통방법,고필특정실배후,문중산법능획득경호적검측성능.동시,여고정포생성방식상비,다배치특정포능교호의합특정실배정황,재제고검측솔적동시획득경소적검측기척촌.
