负样本信息继承的矩阵式瀑布分类器高效学习算法Matrix-计算机应用.PDFVIP

Journal of Computer Applications ISSN 1001-9081 2015- 【-10 ,2015, ( ): - CODEN JYIIDU 计算机应用 【【 【 【 负样本信息继承的矩阵式瀑布分类器高效学习算法 刘阳*，闫胜业，刘青山 (南京信息工程大学 信息与控制学院，江苏省 南京市210044) (1121412518@) 摘 要: 针对矩阵式瀑布分类器学习算法在负样本自举过程中无法快速自举出训练所需的高质量样本，自举过程严重影响 整体学习效率及最终检测器性能等问题，提出了一种高效学习算法——负样本信息继承的矩阵式瀑布分类器高效学习算 法。其自举负样本过程为样本继承与层次自举相结合，首先从训练上一层强分类器所用的负样本集中继承有效负样本， 样本集不足部分再从负图像集中自举。样本继承压缩了有效样本的自举范围，可以快速自举出训练所需样本。并且自举 负样时对样本进行预筛选，增加样本复杂度，提升最终分类器性能。实验结果表明，训练完成方面，本算法比矩阵式瀑 布分类器算法节省20 个小时。检测性能方面，比矩阵式瀑布型分类器高出1 个百分点。与其他17 种人体检算法性能相 比也有很好的性能表现。本算法较矩阵式瀑布分类器学习算法在训练效率及检测性能上都有很大提升。 关键词: 瀑布型分类器，自举，负样本，训练时间，高效，检测性能 中图分类号: TP391.41 文献标志码: A Matrix-structuralfastlearningofcascadedclassifierfor negativesamplesinheritance LIU Yang*，YAN Shengye ，LIU Qingshan (College of Information and Control, Nanjing University of Information Science and Technology, Nanjing, 210044) Abstract: Matrix-structural Learning of Cascaded Classifier algorism with a great deal of problems in the process of bootstrap negative samples. These problems included producing lot of time redundancy, couldnt bootstrap high quality negative samples from image set efficiently and the process of bootstrap negative serious influenced the efficiency of learning and performance of final detector . Thus, the effectively learning algorithm was proposed, namely Matrix-structural Learning of Cascaded Classifier fast learning algorithm for negative samples information inheritance . The algorithm transformed the process of bootstrap negative samples in the overall negative pictures to the one that inherited negative