Viola Jones/AdaBoostの学習段階

Question

Viola Jones algorithmのトレーニング段階を理解している問題があります。

私は限り私はそれを理解し、擬似コードでアルゴリズムを与える：

# learning phase of Viola Jones 
foreach feature # these are the pattern, see figure 1, page 139 
    # these features are moved over the entire 24x24 sample pictures 
    foreach (x,y) so that the feature still matches the 24x24 sample picture 
     # the features are scaled over the window from [(x,y) - (24,24)] 
     foreach scaling of the feature 
      # calc the best threshold for a single, scaled feature 
      # for this, the feature is put over each sample image (all 24x24 in the paper) 
      foreach positive_image 
       thresh_pos[this positive image] := HaarFeatureCalc(position of the window, scaling, feature) 
      foreach negative_image 
       thresh_neg[this negative image] := HaarFeatureCalc(position of the window, scaling, feature) 
      #### what's next? 
      #### how do I use the thresholds (pos/neg)? 

これはところで、こののようにフレームがSOの質問です：Viola-Jones' face detection claims 180k features

このアルゴリズムはHaarFeatureCalc-関数を呼び出します私は理解していると思います：

function: HaarFeatureCalc 
    threshold := (sum of the pixel in the sample picture that are white in the feature pattern) - 
     (sum of the pixel in the sample picture that are grey in the feature pattern) 
    # this is calculated with the integral image, described in 2.1 of the paper 
    return the threshold 

これまでの間違いはありますか？

Viola Jonesの学習フェーズでは、基本的にどのフィーチャ/ディテクタが最も重要かを検出します。私はAdaBoostの仕組みを理解していません。

質問：このAdaBoostはどのようにして擬似コードのように見えますか？

Answer 1

ビオラ・ジョーンズ：

• まず、すべての学習データは同じ重み
• を持つことになりますが、ハードコード180K分類（feartures）
• 、当初は今、各分類器（機能が）に適用されますでしょうあなたが持っているすべてのトレーニングデータ
• 各機能は、あなたのトレーニングデータを顔としても顔でもなく、すべての機能のこの分類に基づいて
• と分類します
• 各フィーチャのエラーを計算した後、50％から最も離れたエラーでフィーチャを選択します。これは、90％のエラーと20％のエラーを持つ1つのフィーチャがある場合を意味します
• 各トレーニングデータの重みを更新します
• これで、検証データが強くなるまでプロセスを繰り返すことになります。あなたが作成したクラシファイア
• AdaBoostは、弱判別器から強い判別子を作る手法です。