基于特征剪裁的AdaBoost算法及在人脸检测中的应用

Zhejiang Daxue Xuebao (Gongxue Ban)/Journal of Zhejiang University (Engineering Science)（2013）

引用 0|浏览3

暂无评分

摘要

针对AdaBoost算法存在训练消耗大并且误检率较高的问题,提出一种基于AdaBoost的高效检测方法.它主要包含一种基于特征剪裁的AdaBoost算法(FPAdaBoost)和一种新的检测扫描方法——确认和跳过检测机制(CSDS).FPAdaBoost算法在每一轮训练中会根据分类误差剪裁掉一部分特征,提高算法的训练速度；而CSDS检测方法在传统的检测方法基础上引入验证和确认机制,在保证检测率的条件下有效控制误检的发生.在MITCBCL训练集和MIT+CMU检测集上对提出的方法进行验证,结果表明,FPAdaBoost算法相比原始AdaBoost算法在性能上没有明显退化,但却大大改善了训练速度,同时CSDS检测机制的引入极大地降低误检率,提高检测结果的可靠性.

查看译文

关键词

AdaBoost,Confirmation and skipping detection scheme,Face detection,Feature pruning

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要