face-detection - adaboost 更新权重 beta 值

Question

Viola-Jones 人脸检测使用 adaboost 方法训练强分类器。我对 beta 参数更新策略感到困惑：

为什么选择这样的beta值？设置变量的目的beta是增加Weights的权重。如何选择：

Answer 1

Viola 和 Jones 的论文没有详细解释 beta 值，但我将尝试解释为什么 beta 值设置为这样。

设置变量 beta 的目的不是总是增加权重，而是仅当特定的弱分类器是好的分类器时才减少/惩罚权重（我稍后会解释什么被认为是好的）并增加/提升如果分类器是坏分类器，则权重。（记住这里的权重是错误率的权重而不是每个分类器的权重，所以分类器越好，权重应该越小）

显然你可以有不同的方法来定义什么是“好”分类器，但在 Viola 和 Jones 论文中使用了一个非常简单的标准，即如果弱分类器的错误率低于 50%，则它是“好” "，否则为"坏"。分类器越好（错误率越小），我们想要更多地提升权重，反之亦然。到现在为止，你应该已经知道为什么要这样选择 beta 值了——只要错误率 (epsilon_e) 大于 1/2，beta 值就会大于 1，因此权重会增加，反之亦然反之亦然。