Viola-Jones 算法：类似 Haar 的特征，特征是如何提取的？

人工智能 计算机视觉 物体检测 图像处理
2021-11-11 06:16:51

如果我有这样的图像

1 2 3 4 5 6 7 8
a b c d e f g h
...

我使用模板应用了类似 Haar 的功能

1 1 1 1 
-1 -1 -1 -1

然后在第一个位置我们得到X1 = 1+2+3+4+a+b+c+d。如果我们向右滑动一侧，我们再次得到X2 = 2+3+4+5+b+c+d+e.

这样我们就会得到X1和X2等等X3。现在，如何组合这些值来获得该功能？因为当我们说一个特性时，我们不仅仅是在一个地方运行该模板，而是我们将在图像中的多个位置运行它。它提供了很多值，例如X1,X2等等X3。现在，如何将这些组合起来以获得将传递给 Adaboost 的最终功能？

1个回答

我会看一下原始论文的表1。当你阅读算法时，试着真正专注于第 2 步。

表格1

总之，每个特征都用于训练它自己的分类器。因此，在您的示例中，计算的特征X1, X2, ...Xn您描述了将一组特征变换f_1, f_2, ...f_n应用于单个图像。这与实际发生的情况有点倒退。该方法真正做的是为每个特征训练一个分类器。所以如果你有n特征，你就会有n分类器。然后以 adaboost 方式，提升表现最佳的分类器的权重。即，您正在根据性能最佳的特征对基于分类器的分类器进行加权。然后，您重复并重新加权所有分类器，直到达到收敛。

其它你可能感兴趣的问题
上一篇当实际数据如此时如何处理类不平衡 下一篇是否可以在损失函数中使用内部层的输出？