摘要 本篇主要介绍目标检测的一些基本概念,以及一个人脸检测的实例来加深印象,最后还谈了以下HOG特征的提取。 简单介绍(非常简单) 目标检测就是在负责在一幅图中检测出感兴趣的物体,一般采用滑动窗口来实现。但是实际应用中,检测效果依赖于光照、物体姿态、视角等影响。具体来说,目标检测需要考虑以下几个问题: 如何选择滑动窗口的大小,从而克服检测物体的尺度变化 如何建模图片的特征 如何找到物体对应的特征 如何克服不同摄影角度的问题(最原始的方法是训练多个视角的模型) 人脸检测 本次介绍基于adaboost的人脸检测模型,它广泛用在相机、手机摄影的人脸检测器。 boosting模型 首先介绍boosting模型,它是一种投票式的判别模型,相比于直接训练一个强分类模型,它的思想是训练多个弱分类器,取长补短达到强分类的效果。 训练过程如下,最终目的是训练一个分类器可以分辨红蓝数据点。刚开始所有数据点的权重为1。 接下来训练多个弱分类器,例如线性分类器组。找到一个正确率最高的分类器,将其保留。 这里有个先验假设,我们总能找到一个正确率大于50%的分类器。原因是如果所有分类器的准确率都小于50
Axuanz
Updating as per fate.