Algorithme Adaboost et son utilisation dans la détection de visage

Question

J'essaie de comprendre l'algorithme Adaboost mais j'ai quelques problèmes. Après avoir lu sur Adaboost je me suis rendu compte que c'est un algorithme de classification (en quelque sorte comme un réseau de neurones). Mais je ne pouvais pas savoir comment les classifieurs faibles sont choisis (je pense que ce sont des caractéristiques similaires à celles de la détection de visage) et comment finalement le résultat H qui est le classificateur final fort peut être utilisé. Je veux dire que si je trouve les valeurs alpha et que je calcule le H, comment vais-je en tirer une valeur (une ou zéro) pour de nouvelles images? S'il vous plaît, y a-t-il un exemple qui le décrit de manière parfaite? J'ai trouvé l'exemple plus et moins que l'on trouve dans la plupart des tutoriels adaboost mais je ne savais pas exactement comment salut est choisi et comment adopter le même concept sur la détection de visage. J'ai lu de nombreux articles et j'ai eu beaucoup d'idées mais jusqu'à présent mes idées ne sont pas bien arrangées. Merci ....

Answer 1

Adaboost est un algorithme de classification, il utilise des classificateurs faibles (tout ce qui donne plus de 50% de résultat correct, mieux que aléatoire). Et les combine finalement dans un classificateur fort. Les étapes d'apprentissage trouvent les variables alpha qui calculent le H (résultat final). H = Sigma (alpha (i) * h (i)) tel que h (i) est 1 ou zéro pour un problème de deux classes.
Il semble que H est une somme pondérée de toutes les caractéristiques faibles, donc quand nous avons une nouvelle entrée (non vue auparavant), nous appliquons les classifieurs faibles h (i) et les multiplions avec les alphas corrects obtenir un ou zéro.
Pour plus de précisions, consultez le livre "Les dix meilleurs algorithmes dans l'exploration de données" que vous pouvez trouver sur le site Web de gigapeida.com.