threshold - Haar-feature 的阈值是通过 Viola-Jones 在他们的论文中描述的唯一方法计算的吗？

Question

我正在实施 Viola-Jones 人脸检测算法，对 haar 特征阈值有点困惑。我正在使用跟随计算 haar-feature 的阈值。脚步：

a) 计算同一位置的所有正（人脸）图像中的 haar 特征值。b) 获取介于最小特征值和平均特征值之间的所有特征值得到列表，MinToAvg = [] c) 对 MinToAvg 中的每个值分类数据（正和负）并得到 pos 的数量。图像（Pos.）它分类为面部和误报数（FP）。d) 特征值被认为是我得到 max(Pos-FP) 的特定特征的阈值。

对于每一轮提升，Haar 特征的阈值保持不变，相反，Viola-Jones 论文中讨论的 Haar 特征阈值随着每一轮提升而变化。

我的问题是：1）我在计算 Haar 特征阈值的方法是否正确？2) 每轮提升的门槛需要改变吗？

我正在使用 Python。

谢谢！

Answer 1

@Ramiro，user2766019：我对您之前的评论有一个疑问。训练权重如何影响阈值？阈值不是仅使用每个训练样本的特征值决定的，然后通过以下等式计算每个特征值的误差：

e = MIN((S+) + (T-) - (S-), (S-) + (T+) - (S+))

我的意思是弱分类器（单个特征）的阈值，它用于计算错误，作为错误分类样本的权重之和。我是对的还是我在某个地方弄错了？谢谢你。