弱与强描述符 - 机器视觉

Question

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？

Answer 1

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。