我已经实现了AdaBoost序列算法，目前我正在尝试实现所谓的Cascaded AdaBoost，基于P. Viola和M. Jones的原始论文。不幸的是，我有一些疑问，与调整一个阶段的门槛有关。正如我们可以在原始论文中看到的那样，程序用字面上的一句话描述：
Decrease threshold for the ith classifier until the current
cascaded classifier has a detection rate of at least
d × Di − 1 (this also affects Fi)
我不确定主要有两件事：
我试图在Google中搜索此信息，但遗憾的是我找不到任何有用的信息。
感谢您的帮助。
答案 0 :(得分：2)
我有完全相同的疑问，到目前为止还没有找到任何权威来源。但是，这是我对这个问题的最佳猜测： 1.（0.5 * sum（aplha））是阈值。 2.阈值的初始值如上所述。接下来，尝试使用中间强分类器（您目前拥有的分类器）对样本进行分类。您将获得每个样本达到的分数，并且根据阈值的当前值，一些正样本将被归类为负数等。因此，取决于此阶段所需的期望检测率（强分类器），降低阈值，以便正确分类许多正样本，
例如： 说打谷是10，这些是正面训练样本的当前分类器输出：
9.5,10.5,10.2,5.4,6.7
我希望检测率为80％=＆gt;正确分类的5个样本中的80％=＆gt; 4以上=＆gt;将阈值设置为6.7
显然，通过更改阈值，FP速率也会发生变化，因此请更新，如果未达到所需的舞台FP速率，则在该阶段选择另一个分类器。
我还没有关于ada-boost等的正式课程，但这是我根据我试图实施的一些研究论文的观察。如果出现问题，请纠正我。谢谢！
答案 1 :(得分：0)
我找到了Karim Ayachi（pdf）的实时人脸检测硕士论文，其中描述了Viola Jones人脸检测方法。
如第5.2节（使用AdaBoost创建级联）中所述，我们可以将强分类器的最大阈值设置为sum（alpha），将最小阈值设置为0，然后使用二分搜索找到最佳阈值（请参阅表5.1为伪代码。
希望这有帮助！