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？

Question

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)为(0,0,4,2,1,0)，(1,3,5,2,3,1)和(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！

Answer 1

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。