算法 – 关于调整级联AdaBoost阶段阈值的一些细节

我已经实现了AdaBoost序列算法,目前我正在尝试实现所谓的Cascaded AdaBoost,基于P. Viola和M. Jones原始论文.不幸的是,我有一些疑问,与调整一个阶段的门槛有关.正如我们在原始论文中可以看到的那样,程序用一句话来描述:

Decrease threshold for the ith classifier until the current
cascaded classifier has a detection rate of at least
d × Di − 1 (this also affects Fi)

我不确定主要有两件事:

>门槛是多少?是0.5 * sum(alpha)表达值还是只有0.5因子?
>阈值的初始值应该是多少? (0.5?)
>“降低门槛”的含义是什么?我是否需要迭代选择新的阈值,例如0.5,0.4,0.3?减少的步骤是什么?

我试图在Google中搜索此信息,但遗憾的是我找不到任何有用的信息.

谢谢您的帮助.

最佳答案 我有完全相同的疑问,到目前为止还没有找到任何权威来源.但是,这是我对这个问题的最佳猜测:

1.(0.5 * sum(aplha))是阈值.

2.阈值的初始值如上所述.接下来,尝试使用中间强分类器(您目前拥有的分类器)对样本进行分类.您将获得每个样本达到的分数,并且根据阈值的当前值,一些正样本将被归类为负数等.因此,取决于此阶段所需的期望检测率(强分类器),降低阈值,以便正确分类许多阳性样本,

例如:
说打谷是10,这些是正面训练样本的当前分类器输出:

9.5,10.5,10.2,5.4,6.7

我希望检测率为80%=>正确分类的5个样本中的80%=> 4以上=>将阈值设置为6.7

显然,通过改变阈值,FP速率也会改变,因此更新,并且如果未达到阶段的期望FP速率,则在该阶段寻找另一个分类器.

我还没有关于ada-boost等的正式课程,但这是我根据我试图实施的一些研究论文的观察.如果出现问题,请纠正我.谢谢!

点赞