如果每轮提升在Viola-jones面部检测方法中选择相同的Haar特征怎么办?

时间:2013-10-31 11:22:16

标签: adaboost haar-wavelet viola-jones

我正在实施Viola-Jones人脸检测以检测人脸。在使用Adaboost进行训练时,增强轮选择相同的haar功能。例如,如果前三轮选定的Haar功能(x,y,w,h,f,p)(0,0,4,2,1,0)(1,3,5,2,3,1)(2,4,7,2,4,1),那么对于剩余的一轮提升,请选择相同的haar-功能,以便我选择的Haar功能列表成为

[(0,0,4,2,1,0),(1,3,5,2,3,1),(2,4,7,2,4,1),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0)]

下面, x,y = x_y coordinate, w = width of Haar-feature, h = height of Haar-feature, f = feature type, p = parity of Haar-feature.

我的问题:

1)如果每轮增强选择相同的Haar特征,我应该选择具有相对最小误差的下一个Haar特征。

谢谢!

1 个答案:

答案 0 :(得分:3)

不,你不应该。 Adaboost确实可以在每次增强运行中多次选择相同的功能,但通常该功能将具有不同的权重值(alpha值)。

您获得的结果可能有许多不同的原因。例如,您的Adaboost代码中可能存在错误。您的功能或弱分类器中也可能存在错误。或者你没有为你的增强算法提供足够的样本。或者,你的弱分类器太弱了。或者你强大的分类器真的很快就过度拟合。