Adaboost 特征选择答案

【问题标题】：Adaboost feature selectionAdaboost 特征选择
【发布时间】：2013-04-26 02:27:06
【问题描述】：

我正在尝试使用 openCV 库训练一个 adaboost 分类器，用于视觉行人检测。我遇到了这样一个概念，即 adaboost 允许选择最相关的特征，这意味着，如果我从图像中收集 50.000 个特征，然后使用它们来训练分类器，在训练过程结束时我将能够选择，例如，这 50.000 个中最好的 2000 个。

那么，为了速度，这将允许我在实际过程中只收获那 2000 个。

这是真的吗？还是我误会了？

如果为真，是否可以使用 openCV 库来完成？

最好的问候

【问题讨论】：

标签： opencv adaboost

【解决方案1】：

是的，这是真的。这正是提升的意义所在。

请查看有关 training a cascade of boosted classifiers 的 OpenCV 文档。

【讨论】：

我不是很懂那个参考手册，我很快就会看一些教程。但想象一下，我有一个 .txt 文件，其中包含数千个分类样本，每个样本都有大量特征。您引用的这种方法是否适用于我的数据？此外，在我看来，这个级联生成器已经准备好与 Haar 小波一起使用，但我的功能有点不同。 Haar 小波仅在灰度图像中计算，而我的特征是在图像的不同通道上计算的。
我不确定 OpenCV 是否已准备好读取您的数据。另外，我不确定 OpenCV 实现是否能够使用任何类型的功能。 AFAIK，您可以实现自己的功能并将其插入 OpenCV，但我从未这样做过。无论如何，提升 - 作为一个数学概念 - 做你想做的事：从一大堆特征中，只要你有足够的数据来训练它，它就会选择那些最小化分类错误的特征。