1

我在工作中使用了 OpenCV Haar 分类器，但我一直在阅读关于 OpenCV Haar 分类器是否是 SVM 的相互矛盾的报告，谁能澄清它是否使用了 SVM？此外，如果不使用 SVM，Haar 方法与 SVM 方法相比有什么优势？

4

2 回答 2

5

  • SVM和Boosting（AdaBoost、GentleBoost 等）是特征分类策略/算法。支持向量机解决了一个复杂的优化问题，通常使用核函数，它允许我们通过在更高维度的特征空间中工作来分离样本。另一方面，boosting 是一种基于以智能方式组合大量“廉价”分类器的策略，可以实现非常快速的分类。那些弱分类器甚至可以是 SVM。

  • Haar-like特征是一种基于积分图像的特征，非常适用于计算机视觉问题。

也就是说，您可以将 Haar 特征与两种分类方案中的任何一种结合起来。

于 2014-04-28T14:54:09.097 回答
1

它不是 SVM。这是文档： http ://docs.opencv.org/modules/objdetect/doc/cascade_classification.html#haar-feature-based-cascade-classifier-for-object-detection

它使用 boosting（支持 AdaBoost 和其他各种类似的方法——都是基于 boosting）。

重要的区别在于评估速度在级联分类器中很重要，并且它们基于阶段的提升算法允许非常快速的评估和高精度（特别是支持具有许多否定的训练），在这个特定应用程序中比 SVM 具有更好的平衡点。

于 2014-04-28T14:49:02.517 回答