一种新的Adaboost快速训练算法.pdfVIP

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种新的Adaboost快速训练算法

( ) 第 43 卷  第 1 期 复 旦 学 报 自然科学版 Vol . 43 No . 1 ( ) 2004 年 2 月 Journal of Fudan University Natural Science Feb . 2004 ( )   文章编号 2004 一种新的 Adaboost 快速训练算法 王海川 , 张立明 (复旦大学 电子工程系 , 上海  200433) 摘  要 : 提出了一种新的Adaboost 快速训练方法 ,解决了基于 Adaboost 的人脸检测算法中结构复杂 、训练非常耗 时的问题. 新方法从两方面提高训练速度 :直接求解训练中Adaboost 目标函数 ;在直接求解算法基础上 ,使用了 双阈值简单分类器构造强分类器的Adaboost 检测器结构. 关键词 : 模式识别 ; Adaboost 算法 ; 人脸检测 ; 机器学习 中图分类号 : TP 391. 4    文献标识码 : A    [ 1 ,2 ] [3 ] 近年来出现了大量的人脸检测方法 ,但是各种方法都有不足. 基于肤色和模板的方法 速度较 [4 ] 快 ,但是精度和鲁棒性不太好. Rowley 提出的神经网络的方法 性能较好 ,但检测速度很慢 ,在 P Ⅲ700 计 算机上完成 384 ×288 像素的图像检测需要 1~3 min . Paul Viola 和Michael Jones 于 2001 年提出了基于Ad aboost 的人脸检测算法[5 ] ,从根本上解决了检测的速度问题 , 同时有较好的识别效果. 他们的系统在 P Ⅲ 700 计算机上检测 384 ×288 像素的图像只需要约 0 . 066 s. Aadboost 系统检测速度很高 ,但是由于 Adaboost 算法本身训练非常耗时 ,整个系统的训练时间非常惊人. 根据文献[ 5 ] ,其系统在高级工作站上完成最后 训练花了数周时间. 由于 Adaboost 训练速度上的问题 ,大大地限制了该算法的应用前景 , 同时也导致检测 系统不能灵活的扩展. 目前为止 ,也只有人脸检测应用了Adaboost 的算法. Adaboost 训练耗时多的原因在于 2 方面 :组成 Adaboost 系统的每个简单分类器要采用大量样本训练 ; Adaboost 系统使用了大量的简单分类器. 本文提出了一种新的Adaboost 的快速训练方法 ,有效地解决了训 练时间太长的问题. 针对以上 2 个方面的第 1 点 ,在每个简单分类器训练中 ,本文的方法直接求解 Ad aboost 训练中的目标函数 ,避免了其他训练方法中统计概率分布和迭代运算的耗时问题.

您可能关注的文档

文档评论(0)

wannian118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档