face-detection - 如何为人脸检测器的adaboost方法指定弱分类器的阈值

Question

我已阅读 Rapid Object Detection using a Boosted Cascade of Simple Features .在第 3 部分中，它定义了一个像这样的弱分类器:

我的问题是:如何指定阈值theta_j？

对于强分类器，我的问题是这样的:

Answer 1

参数 theta_j 由弱学习器为每个特征计算。 Viola 和 Jones 的方法在他们的 2004 version of their paper 中得到了更好的记录。 , 恕我直言，与 ROC analysis 非常相似.您必须针对训练集测试每个弱分类器，寻找导致最小加权误差的 theta_j。我们说“加权”是因为我们使用与每个训练样本关联的 w_t,i 值来加权错误分类。

对于强分类器阈值的直观答案，请考虑所有 alpha_t = 1。这意味着对于 x 的强分类器输出 1，您应该至少有一半的弱分类器输出 1 for x。请记住，如果弱分类器认为 x 是人脸，则输出 1，否则输出 0。

在 Adaboost 中，alpha_t 可以被认为是弱限定器质量的度量，即弱分类器犯的错误越少，the higher its alpha will be .由于一些弱分类器比其他的更好，因此根据它们的质量对它们的投票进行加权似乎是个好主意。右手边的强分类器不等式反射(reflect)了如果权重加起来至少是所有权重的50%，则将x分类为1(人脸)。