發(fā)布時間：2023-09-17 18:17

　　針對訓(xùn)練AdaBoost分類器的計算量隨候選特征和訓(xùn)練樣本數(shù)量的增加而急劇增加問題,提出了AdaBoost分類器的快速訓(xùn)練方法. AdaBoost分類器由多個決策樁構(gòu)成.由于正負(fù)樣本特征值分布的隨機性,現(xiàn)有方法都在訓(xùn)練樣本的特征值中窮舉搜索來獲得最佳決策樁.首先,注意到優(yōu)秀特征閾值-誤差(T-E)曲線的近似凸性,提出使用二分搜索法確定最佳決策樁.與窮舉搜索相比,比較操作時間復(fù)雜度由O(N)降低為Olog N AdaBoost分類器的快速訓(xùn)練方法.在公開行人檢測數(shù)據(jù)集Inria Pedestrian dataset和Caltech Pedestrian Detection Benchmark上的實驗表明,提出的快速訓(xùn)練方法得到的分類器與普通方法的檢測性能相當(dāng).

【文章頁數(shù)】：8 頁


本文編號：3847904