-
题名基于分类器相关性的Adaboost人脸检测算法
被引量:3
- 1
-
-
作者
张君昌
李倩
贾靖
-
机构
西北工业大学电子信息学院
夏普电子(上海)有限公司软件开发中心
-
出处
《计算机应用》
CSCD
北大核心
2009年第12期3346-3348,共3页
-
文摘
为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类器组合成新的强分类器。在CMU正面人脸检测集上的仿真结果表明,较传统的Adaboost算法,基于分类器相关性的Adaboost人脸检测算法具有更好的检测效率,同时降低了误检率。
-
关键词
人脸检测
分类器相关性
自适应提升算法
-
Keywords
face detection
correlation of classifiers
Adaptive Boosting (Adaboost) algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Multi-Agent的分类器融合
被引量:17
- 2
-
-
作者
寇忠宝
张长水
-
机构
清华大学自动化系
-
出处
《计算机学报》
EI
CSCD
北大核心
2003年第2期174-179,共6页
-
文摘
针对决策层输出的分类器融合问题 ,该文提出了一种基于Multi Agent思想的融合算法 .该算法将分类器融合问题建模为人类发源地问题 ,通过引入决策共现矩阵 ,并在智能体之间进行信息交互 ,从而利用了分类器之间的决策相关信息 .算法根据在融合训练集上得到的统计参量 ,指导各个智能体向不同类别溯源 ,并通过智能体之间的信息交换改变溯源概率 ,最终达到群体决策 ,得到决策类别 .本文在标准数据集上对该算法进行了实验研究 ,通过与其它一些融合方法的比较 ,得出在用于融合的分类器较少时 ,该算法得到比其它方法更低的分类错误率 ,其空间复杂度相对BKS方法较小 .实验证实 ,该算法是收敛的 .
-
关键词
MULTI-AGENT
分类器融合
模式识别
决策层
多智能体
决策共现矩阵
分类器相关性
-
Keywords
Classification (of information)
Decision making
Pattern recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于相关性的AdaBoost人脸检测算法
被引量:7
- 3
-
-
作者
张君昌
樊伟
-
机构
西北工业大学电子信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第8期158-160,163,共4页
-
文摘
为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低弱分类器间的相似性,剔除相似特征。仿真结果表明,该算法具有更好的检测率,同时可降低误检率,改进分类器的整体性能。
-
关键词
人脸检测
分类器相关性
自适应提升算法
Q统计量
-
Keywords
face detection; correlation of classifiers; adaptive boosting algorithm; Q-statistic;
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于概率密度增强的高效多角度物体检测
- 4
-
-
作者
杨洋
潘静
庞彦伟
-
机构
天津大学电子信息工程学院
天津职业技术师范大学电子工程学院
-
出处
《电子测量技术》
2013年第10期43-46,共4页
-
基金
国家自然科学基金(61271412
61172121)项目
-
文摘
许多物体检测工作都涉及目标物体的面内旋转问题。为了提高多角度物体检测的精度,在Gualdi等提出的以物体位置和尺度的概率密度采样为核心的粒子窗口方法基础上,提出充分利用不同角度物体分类器的相关性,通过用一个角度的分类器来增强另一个角度分类器所对应的采样概率密度,使得概率密度更快的收敛到待检测物体的位置和尺度上。在人手检测上的实验表明,所提方法比传统基于遍历滑动窗口的方法和基于现有基于粒子窗口的方法有更高的检测效率和精度。
-
关键词
多角度物体检测
粒子窗口
分类器相关性
支持域
-
Keywords
multi-angle object detection
particle window
correlation of classifiers
region of support
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-