Algorithm adaboost比gentleboost具有特定于应用程序的优势,反之亦然?
我一直在研究AdaBoost和GentleBoost分类器,但似乎找不到问题的明确答案:Algorithm adaboost比gentleboost具有特定于应用程序的优势,反之亦然?,algorithm,image-processing,boost,computer-vision,classification,Algorithm,Image Processing,Boost,Computer Vision,Classification,我一直在研究AdaBoost和GentleBoost分类器,但似乎找不到问题的明确答案: 在计算机视觉中,Adaboost在分类方面做得更好的是什么 什么是GentleBoost更擅长分类 有人告诉我AdaBoost适用于边缘较软的物体,如面部识别,而GentleBoost适用于特征和边缘较硬且较对称的物体,如车辆。这是真的吗?有什么证据支持这个说法吗?根据我的记忆,GentleBoost是AdaBoost分类器的一个变体 例如,Adaboost很可能能够检测到有硬物的东西,就像你提到的Ge
- 在计算机视觉中,Adaboost在分类方面做得更好的是什么
- 什么是GentleBoost更擅长分类
有人告诉我AdaBoost适用于边缘较软的物体,如面部识别,而GentleBoost适用于特征和边缘较硬且较对称的物体,如车辆。这是真的吗?有什么证据支持这个说法吗?根据我的记忆,GentleBoost是AdaBoost分类器的一个变体 例如,Adaboost很可能能够检测到有硬物的东西,就像你提到的GentleBoost一样,我也对罐头和香蕉等东西进行了Adaboost测试,这也很有效 虽然我以前从未使用过GentleBoost,或者更确切地说是尝试过,但据论文称,计算具有小特征的物体或你称之为硬物体(如香蕉、罐头等)的计算速度可能要快得多 你可以在这里读到更多关于这一点的信息:,Gentleboost虽然只是这个wiki中的一小部分,但它应该或多或少能够澄清这一点 从数学上讲,主要的关键区别在于所使用的损失函数 对于GentleBoost,更新为fm(x)=p(y=1 | x)–p(y=0 | x) 对于AdaBoost,更新为: 如果我没有错的话,GentleBoost除了比AdaBoost更快(从数学角度来看,更快是一个假设)之外,还应该对嘈杂的数据不那么敏感,但是就准确性而言,我从来没有使用过它,所以我不能确定
希望这对您有所帮助(:我使用了的OpenCVs版本。它还提供了离散AdaBoost、Real AdaBoost和LogitBoost作为附加选项。它是一个高效而强大的工具。当在应用程序中实现时,它对实时应用程序非常有用
- 在计算机视觉中,Adaboost在分类方面做得更好的是什么
- 什么是GentleBoost更擅长分类