电气自动化
電氣自動化
전기자동화
ELECTRICAL AUTOMATION
2013年
5期
101-103
,共3页
Boosting%目标识别%复杂场景%集成学习%特征提取
Boosting%目標識彆%複雜場景%集成學習%特徵提取
Boosting%목표식별%복잡장경%집성학습%특정제취
boosting%object recognition%complex scene%integrated study%features extraction
Boosting算法是近年来在学习领域出现的用于提高算法精度的方法.由于它的算法简单实用,执行效率高,现已广泛应用于目标识别中.与其他算法不同的是:它不是直接构建一个高精度的算法,而是通过多次学习将弱分类器组成一个强分类器.针对传统识别方法检测率低的特点,提出一种基于集成学习的方法:利用图像目标的片段作为特征,用Boosting方法训练的分类器对目标进行分类.实验结果表明算法具有鲁棒性,对复杂场景中的目标具有较高的识别精度.
Boosting算法是近年來在學習領域齣現的用于提高算法精度的方法.由于它的算法簡單實用,執行效率高,現已廣汎應用于目標識彆中.與其他算法不同的是:它不是直接構建一箇高精度的算法,而是通過多次學習將弱分類器組成一箇彊分類器.針對傳統識彆方法檢測率低的特點,提齣一種基于集成學習的方法:利用圖像目標的片段作為特徵,用Boosting方法訓練的分類器對目標進行分類.實驗結果錶明算法具有魯棒性,對複雜場景中的目標具有較高的識彆精度.
Boosting산법시근년래재학습영역출현적용우제고산법정도적방법.유우타적산법간단실용,집행효솔고,현이엄범응용우목표식별중.여기타산법불동적시:타불시직접구건일개고정도적산법,이시통과다차학습장약분류기조성일개강분류기.침대전통식별방법검측솔저적특점,제출일충기우집성학습적방법:이용도상목표적편단작위특정,용Boosting방법훈련적분류기대목표진행분류.실험결과표명산법구유로봉성,대복잡장경중적목표구유교고적식별정도.
