在 Adaboost haar 特徵的機器學習中,怎樣降低參與訓練的 haar 特徵數量?

時間 2021-06-01 14:43:46

1樓:劉留

1. 把全域性搜尋替換為遺傳演算法的搜尋;

2. 評估的時候先隨機選100個樣本,得到評分,去掉50%得分最低的特徵,提高樣本數量,直到覆蓋所有;

這兩個方法都可以從這篇文章中找到對應的描述:

High-performance rotation invariant multiview face detection, C Huang, H Ai, Y Li

2樓:楊律

相信你是在糾結訓練時間問題。你可以在weak classifier階段加入篩選,用每乙個特徵來對訓練樣本進行判定,設定乙個正確率閾值或者是取判斷正確率最高的前N個,再使用這部分特徵參與cascade adabboost訓練,這樣會加快很多。

3樓:yafeng deng

這個比較簡單,haar特徵共五類,每類的每個特徵包含多個矩形,每個矩形包括寬度,高度,位置(左上角橫座標和縱座標)共四個引數,在設計特徵時,沒必要上述的四個引數都遍歷去取,只要對位置,高度,寬度按照一定步長取就行了,比如橫座標縱座標資訊按照步長2取,高度和寬度也按照2去取,數量就差不多降低到原來的1/16了,差不多已經滿足你的需求了。當然,這樣由於候選弱分類器變少了,效果會略有下降,可以根據實際物理意義去調一下上述引數。

連續特徵的離散化 在什麼情況下將連續的特徵離散化之後可以獲得更好的效果?

易爾山 特徵離散化為的就是生成離散特徵,引入非線性,從而與簡單的模型結合,創造很好的模型效果。特徵離散的方法有三種,等頻分箱,等寬分箱以及優化分箱。特徵離散化 邱錫鵬 主要目的是獲得指數級的表示能力。假如乙個n維的連續向量,即使採用最簡單的每乙個維2值化,也會得到2 n種特徵組合。這種表示方法對LR...

滿族和漢族在相貌特徵上有哪些不同?

就他們說的這個樣子,我就是滿族人,爸爸媽媽,爺爺奶奶,姥姥姥爺都是滿族人。小眼睛,高鼻樑,顴骨很高。有箭頭標出來了 這個是和女朋友的合照,我女朋友廣東的我是北京的,基本區別一下子就看的出來 芊芊 還是不同的,滿族幾乎沒有濃眉大眼。臉型瓜子臉居多,臉小,單眼皮多。東北幾個比較火的男主播這種臉型很多。不...

深度學習在特徵選擇方面如何應用?

akon 基本的搜尋策略按照特徵子集的形成過程可分為以下3種 全域性最優 隨機搜尋和啟發式搜尋.乙個具體的搜尋演算法會採用兩種或多種基本搜尋策略,例如遺傳演算法是一種隨機搜尋演算法,同時也是一種啟發式搜尋演算法.完全搜尋分為窮舉搜尋 Exhaustive 與非窮舉搜尋 Non Exhaustive ...