我已经阅读了有关 Viola-Jones 对象检测方法的论文，并且对一些事情感到困惑。
1 - 对于 Adaboost，每一轮是否意味着我们计算所有图像中的所有 160k 特征，然后找到误差最小的特征（据我所知，这是一个“弱分类器？如果我错了，请纠正我）。如果是，那么在可能需要几个月的大量图像上训练这是否需要很长时间？如果这是正确的，您还将运行多少轮。
2-如果上述观点是错误的，那么这是否意味着对于每个特征，我们使用一个特征评估所有非人脸和人脸图像，并将其与某个可接受的错误阈值进行比较，如果它低于这个可接受的阈值，那么我们将此特征作为弱分类器，然后在使用 160k 特征中的下一个特征之前更新权重。
我尝试理解此链接http://www.ece301.com/ml-doc/54-face-detect-matlab-1.html中的 MATLAB 代码，但不确定他实现 adaboost 的方式是否正确。
如果有一个链接可以简单明了地解释 Viola-Jones 使用的 adaboost，那也将是一个很大的帮助。
AdaBoost 在几轮中尝试多个弱分类器，在每一轮中选择最好的弱分类器，并结合最好的分类器来创建一个强分类器。
adaboost 的示例：
Data point Classifier 1 Classifier 2 Classifier 3
x1 Fail pass fail
x2 Pass fail pass
x3 fail pass pass
x4 pass fail pass
AdaBoost 可以通过反转他们的决定来使用始终错误的分类器。
1) 是的。如果您的参数是 5000 个正窗口和 5000 个负窗口（从您最初提供的一组负背景图像中提取），那么在每个阶段依次评估所有 10000 个窗口的每个特征，并将最好的一个添加到功能集。是的，在 Viola-Jones 的原始论文中，每个特征都是一个弱分类器。
检查所有功能的过程将需要很长时间，但不是几周。事实上，瓶颈是在最后阶段聚集的负面寡妇，可能需要几天或几周的时间。回合数取决于给定条件的达到。每个阶段都需要多轮（通常在最后阶段更多）。例如：第 1 阶段需要 3 个特征（3 轮），第 2 阶段需要 5 个特征（5 轮），第 3 阶段需要 6 个特征（6 轮），等等。
2) 上述观点属实，因此不适用。