我听说过类似Haar的特征被描述为弱描述符,并且由于这个原因,Adaboost方法在这种情况下优于SVM。我的问题是什么是弱描述符和强描述符?为什么提升方法比SVM(例如)表现更好?
答案 0 :(得分:3)
弱描述符将是不太精炼或调整的东西(例如:haar feature,edge maps等)。强描述符(SIFT / SURF / MSER)将是准确的,在模糊下具有高重复性,视点/光照变化,JPEG压缩。对于弱描述符,增强方法将表现得更好,而SVM适用于强描述符。这是因为提升的想法是结合许多弱分类器来学习分类器。在haar like features的情况下,adaboost结合了许多这样的弱功能来学习强大的分类器。 SVM尝试在两个类之间最容易混淆的特性之间拟合超平面,因此为了使SVM更好地执行,类之间的混淆应该更少,并且特征应该是健壮且准确的。