计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
8期
2261-2265
,共5页
AdaBoost算法%正误差%负误差%阈值%人脸图像库
AdaBoost算法%正誤差%負誤差%閾值%人臉圖像庫
AdaBoost산법%정오차%부오차%역치%인검도상고
AdaBoost algorithm%positive error%negative error%threshold%face image library
针对传统AdaBoost算法在人脸图片训练过程中可能会出现退化现象和训练目标类权重分布过适应的问题,提出一种基于调整正负误差比和设定阈值的改进AdaBoost算法.该算法首先把设定的闽值和当前分类错误样本的权值比较来更新样本的权值,其次通过调整正误差和负误差之间的偏重关系来控制训练样本的偏重.经过实验表明,不同人脸图像库和不同正负样本比不影响该算法的有效性,在LFW非受限人脸图像库正负样本比例为1∶1情况下,检测率为86.7％,高于传统AdaBoost算法;弱分类器数目为116,比传统AdaBoost算法多15个.实验结果可以看出所提算法抑制了退化和训练目标类权重过适应现象,有效地提高了人脸图片检测率.
針對傳統AdaBoost算法在人臉圖片訓練過程中可能會齣現退化現象和訓練目標類權重分佈過適應的問題,提齣一種基于調整正負誤差比和設定閾值的改進AdaBoost算法.該算法首先把設定的閩值和噹前分類錯誤樣本的權值比較來更新樣本的權值,其次通過調整正誤差和負誤差之間的偏重關繫來控製訓練樣本的偏重.經過實驗錶明,不同人臉圖像庫和不同正負樣本比不影響該算法的有效性,在LFW非受限人臉圖像庫正負樣本比例為1∶1情況下,檢測率為86.7％,高于傳統AdaBoost算法;弱分類器數目為116,比傳統AdaBoost算法多15箇.實驗結果可以看齣所提算法抑製瞭退化和訓練目標類權重過適應現象,有效地提高瞭人臉圖片檢測率.
침대전통AdaBoost산법재인검도편훈련과정중가능회출현퇴화현상화훈련목표류권중분포과괄응적문제,제출일충기우조정정부오차비화설정역치적개진AdaBoost산법.해산법수선파설정적민치화당전분류착오양본적권치비교래경신양본적권치,기차통과조정정오차화부오차지간적편중관계래공제훈련양본적편중.경과실험표명,불동인검도상고화불동정부양본비불영향해산법적유효성,재LFW비수한인검도상고정부양본비례위1∶1정황하,검측솔위86.7％,고우전통AdaBoost산법;약분류기수목위116,비전통AdaBoost산법다15개.실험결과가이간출소제산법억제료퇴화화훈련목표류권중과괄응현상,유효지제고료인검도편검측솔.
