如何指定面部检测器adaboost方法的弱分类器阈值

Question

我看过Rapid Object Detection using a Boosted Cascade of Simple Features。在第3部分中，它定义了一个弱分类器：

我的问题是：如何指定阈值theta_j？

对于强大的班主任，我的问题是这样的：

Answer 1

弱学习者为每个特征计算参数theta_j。 Viola和Jones的方法更好地记录在他们的2004 version of their paper中，并且，恕我直言，与ROC analysis非常相似。您必须针对训练集测试每个弱分类器，以查找导致最小加权误差的theta_j。我们说“加权”是因为我们使用与每个训练样本相关联的w_t,i值来加权错误分类。

有关强分类器阈值的直观答案，请考虑所有alpha_t = 1。这意味着对于x的强分类器输出1，您应该至少有一半弱分类器为x输出1。请记住，弱分类器如果认为x是面，则输出1，否则输出0。

在Adaboost中，alpha_t可以被认为是弱定性者质量的衡量标准，即弱分类器犯的错误越少the higher its alpha will be。由于一些弱分类器比其他分类器更好，因此根据质量来衡量投票似乎是一个好主意。强分类器不等式的右手反映出，如果权重加起来至少占所有权重的50％，则将x分类为1（面部）。

Answer 2

您需要确定每个要素的theta_j。这是弱分类器的训练步骤。通常，找到最佳theta_j取决于弱分类器的模型。在这种特殊情况下，您需要检查此特定功能对您的训练数据采用的所有值，并查看哪些值将导致最低的错误分类率。这将是你的theta_j。