AdaBoost算法的训练过程.docxVIP

word word 格式-可编辑-感谢下载支持 AdaBoost 算法的训练过程 每个 Haar 特征对应看一个弱分类器，但并不是任伺一个 Haar 特征都能较好的描述人脸灰度分布的某一特点，如何从大量的 Haar 特征中挑选出最优的 Haar 特征并制作成分类器用于人脸检测，这是 AdaBoost 算法训练过程所要解决的关键问题。 Paul Viola 和 Michael Jones 于 2001 年将 Adaboost 算法应用于人脸检测中,其基本思想是针对不同的训练集训练同一个分类器（弱分类器），然后把这些不同训练集上的得到的分类器联合起来，构成一个最终的强分类器。 Adaboost