摘要
目标检测问题是计算机视觉领域最普遍和关键的问题之一.基于级联结构的AdaBoost算法目前被认为是较有效的检测算法,但是其在低FRR端的性能仍需改进.文章提出了一种针对目标检测问题的改进AdaBoost算法———AD AdaBoost.AD AdaBoost采用了新的参数求解方法,弱分类器的加权参数不但与错误率有关,还与其对正样本的识别能力有关.该算法能够有效地降低分类器在低FRR端的FAR,使其更适用于目标检测问题.新旧算法在复杂背景中文字检测的实验结果对比证实了新算法在性能上的改进.
学科与关键词
关键词
AD AdaBoost目标检测级联结构弱分类器加权参数
- AdaBoost算法研究进展与展望曹莹; 苗启广; 刘家辰; 高琳自动化学报, 2013, (06): 745-758.
- 基于拟合型弱分类器的AdaBoost算法宋鹏峰; 叶庆卫; 陆志华; 周宇电信科学, 2019, (11): 27-35.
- 基于ADABOOST的人脸检测李振科技信息(科学教研), 2007, 407,436.
