问题标签 [adaboost]

我正在尝试实现一个使用 AdaBoost 算法的应用程序。我知道 AdaBoost 使用一组弱分类器，但我不知道这些弱分类器是什么。你能用一个例子向我解释一下，并告诉我是否必须创建自己的弱分类器或者我应该使用某种算法？

我想使用 AdaBoost 实现一个 java 应用程序，它可以分类大象是非洲大象还是亚洲大象。我的大象类有字段：

我是 AdaBoost 的新手，我了解到好的弱分类器是决策树桩。我想知道我是否应该只创建 2 个决策树桩（1 个用于大小，1 个用于重量）还是应该创建更多决策树桩（大小不同，重量不同）？分类器的创建到底是什么样子的？

我正在使用 AdaBoost 实现一个应用程序来分类大象是亚洲大象还是非洲大象。我的输入数据是：

我创建了一个分类器类：

我在 main() 中训练了一个按“大小”和阈值 = 250 进行分类的分类器，如下所示：

在我的分类器对每只大象进行分类后，我计算分类器错误，更新每个样本（大象）的权重并计算分类器的权重。我的问题是：

如何创建下一个分类器以及它如何更关心错误分类的样本（我知道样本权重是关键，但它是如何工作的，因为我不知道如何实现它）？我是否正确创建了第一个分类器？

如何将几个弱学习器组合成一个强分类器？我知道公式，但问题是在我读过的每篇关于 AdaBoost 的论文中，只有公式没有任何示例。我的意思是 - 我的学习者和他们的权重很弱，所以我可以按照公式告诉我的去做（将学习者乘以它的权重，再加上另一个乘以它的权重，再加上一个等等），但我该怎么做呢？我的弱学习者是决策树桩。他们得到了属性和阈值，那么我要乘什么？

我遇到了数据挖掘技术 AdaBoost，但我找不到太多关于它如何工作的信息或我可以通过的任何示例，有人可以在这方面有所了解吗？

另外我想尝试对数据进行预测和探索，有人有例子吗？

据说“4916 个正例训练样本经过手工挑选，对齐、归一化并缩放到 24x24 的基本分辨率。通过从 9500 张不包含人脸的图像中随机挑选子窗口来选择 10,000 个负例样本。” 在论文“Robust Real-Time Face Detection by Paul Viola & Michael Jones”中

我的问题是他们对手工挑选的对齐、标准化和缩放到 24x24 的基本分辨率意味着什么？

“手工挑选对齐”是否意味着他们有 4916 张不同面孔的 4916 张正面图像？“标准化”是否意味着 4916 张图像中的每一张都具有相同的特征[文件大小、文件类型、图片颜色（灰度/彩色）]？“缩放到 24x24 的基本分辨率”是否意味着 4916 个图像中的每一个都被重新调整为 24x24 像素？

谢谢你的时间！

我正在尝试实现 AdaBoost 算法，并且有两个问题。

1）在每次迭代中，必须根据概率分布对训练数据进行重新采样。重新采样的数据集的大小是否应该与原始数据集的大小相同。2）如果我根据概率分布对训练数据集进行重新采样，很有可能我可以获得单个数据点的多个副本。我是否应该在每次迭代训练弱分类器时保留所有这些冗余副本。

我正在实施 Viola Jones 人脸检测算法。我对算法的 AdaBoost 学习部分的第一部分有疑问。

原始论文指出

弱分类器选择算法如下进行。对于每个特征，示例根据特征值进行排序。

我目前正在使用相对较小的 2000 个正图像和 1000 个负图像的训练集。该论文描述了拥有多达 10,000 个的数据集。

AdaBoost 的主要目的是减少 24x24 窗口中的特征数量，总计 160,000+。该算法适用于这些特征并选择最好的特征。

该论文描述了对于每个特征，它在每个图像上计算其值，然后根据值对它们进行排序。这意味着我需要为每个特征创建一个容器并存储所有样本的值。

我的问题是我的程序在只评估了 10,000 个功能（其中只有 6%）后内存不足。所有容器的总大小最终将达到 160,000*3000，即数十亿。我应该如何在不耗尽内存的情况下实现这个算法？我增加了堆大小，它让我从 3% 到 6%，我认为增加它不会起作用。

该论文暗示在整个算法中都需要这些排序值，因此我不能在每个特征之后丢弃它们。

到目前为止，这是我的代码

我正在尝试创建一个 XML 文件来检测与 Rainer Leinhart 的 haarcascade_frontalface_alt.xml 一样好的和健壮的手势。到目前为止，我已经尝试了各种培训技术，例如在http://nayakamitarup.blogspot.com/2011/07/how-to-make-your-own-haar-trained-xml.html中发布的技术（大约几个小时到三天）和http://note.sonots.com/edit.php?SciSoftware/haartraining中的一个（大约需要一周时间）。两者都没有生成可以成功检测到对应手的文件。你们有没有人尝试过这两种训练 XML 文件的方法并获得了成功的结果？我也试过邮寄这两个网站的作者，还是没有运气。

我还看到了 Paul Viola 和 Michael Jones 撰写的 Robust Real-Time Face Detection 文章（以及 Koji Ikehara 在此处发布的题为 Viola Jones Experiments (training sets) 的问题），你们中有人知道如何标准化样本图像吗？培训？有没有人遇到过任何工具来完成这项任务？

我是新来的，我将不胜感激对此的任何见解。谢谢！

在他们描述Viola-Jones 对象检测框架（Viola 和 Jones 的 Robust Real-Time Face Detection）的论文中，据说：

用于训练的所有示例子窗口都进行了方差归一化，以最大限度地减少不同照明条件的影响。

我的问题是“他们使用什么样的工具来标准化图像？”

我不是在寻找 Viola & Jones 使用的特定工具，而是在寻找产生几乎相同输出的类似工具。我一直在关注很多 haar 培训教程（试图检测手），但还不能输出一个好的检测器（xml）。

我已经尝试联系作者，但仍然没有回复。