一种基于信息复用的Boosting瀑布型分类器高效训练方法.pdfVIP

第36卷第 10期 电 子 与 信 息 学 报 V01．36No．10 2014年 10月 JournalofElectronics＆ InformationTechnology Oct．2014 一 种基于信息复用的Boosting瀑布型分类器高效训练方法 闰胜业 (南京信息工程大学信息与控制学院 南京 210044) 摘 要：构建一个基于Boosting的瀑布型分类器往往要花费巨大的计算代价，该文提出一种改进的Boosting瀑布 型分类器训练算法，利用不同层级分类器之间的共享信息复用来提高训练速度。该文提出的瀑布型分类器训练方法 在两个层次上复用 己获得的层级分类器中的信息。在分类器层次上，前一个层级分类器在新的层级分类器训练过程 中成为第 1个特征，并在当前层级分类器的训练样本集上进行适应性学习；在特征层次上，每一级分类器都直接保 留所有前面层级分类器 已经学到的特征，并重新在当前层级分类器的训练样本集上进行适应性学习。最后，再通过 学习新的弱分类器，加入新特征。在正面人脸检测问题上的实验表明，提出的新算法相比传统方法能够大幅提高 Boosting瀑布型分类器的训练速度，提高幅度近 1O倍，瀑布型分类器的训练时间从将近 3天降到了8个小时。 关键词：模式识别；物体检测；人脸检测；瀑布型分类器；Boosting；训练时间 中图分类号：TP391．41 文献标识码： A 文章编号：1O09．5896f20l4)10．2405．07 DOI：10．3724／SP．J．1146．2013．01878 FastTrainingofBoostingCascadeBasedonInformationSharing YanSheng—ve (SchoolofInformationandControl，NanjingUniversityofInfomrationScienceandTechnology，Nanjing210044，China) Abstract：Italwaystakesaveryhigh computationalcosttobuildaBoostingcascadeclassifier．Tospeedupthe trainingprocedureoftheBoostingcascade，thispaperproposesanextended trainingmethodwhichutilizesthe sharing information among different stage classifiers．Theproposed method takesadvantageofthe sharing information amongdifferentstageclassifiersattwolevels．First，attheclassifierlevel，thelaststageclassifieris takenas thefirstfeature，andisre-usedtolearnanew weakclassifiertoadaptthenewlycollectedtrainingsamples ofthecurrentstage．Secondly，atthefeaturelevel，alltheselectedfeaturesfrom allthepreviousstageclassifiersare re-used tolearnnew weak classifierswhichadapttothenewlycollected trainingsamplesofthecurrentstage． Finally,thenewlylearnedweakclassifiersandnewlyselectedfeaturesraeaddedinthecurrentstageclassifier．The experimentalresultsonrfont