我在工作中使用 OpenCV Haar 分类器,但我一直在阅读关于 OpenCV Haar 分类器是否是 SVM 的相互矛盾的报告,有人能澄清它是否使用 SVM 吗?另外,如果不使用 SVM,Haar 方法与 SVM 方法相比有何优势?
最佳答案
SVM和 Boosting (AdaBoost、GentleBoost 等)是特征分类策略/算法。支持向量机解决复杂的优化问题,通常使用核函数,它允许我们通过在更高维度的特征空间中工作来分离样本。另一方面,Boosting 是一种基于以智能方式组合大量“廉价”分类器的策略,从而实现非常快速的分类。那些弱分类器甚至可以是 SVM。
类Haar特征是一种基于积分图像的特征,非常适合计算机视觉问题。
也就是说,您可以将 Haar 特征与这两种分类方案中的任何一种结合起来。
关于OpenCV Haar 分类器 - 它是 SVM,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23341599/