Algorithm 关于调整级联ADABOST级阈值的一些细节

我已经实现了AdaBoost序列算法，目前我正在基于p.Viola和M.Jones的原始论文，尝试实现所谓的级联AdaBoost。不幸的是，我有一些疑问，与调整一个阶段的阈值有关。正如我们在原稿中所看到的，该程序用一句话描述：

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)

我主要不确定两件事：

• 门槛是多少？它是0.5*和（α）表达式值还是仅0.5因子
• 阈值的初始值应该是多少？（0.5？）
• “降低阈值”的具体含义是什么？我是否需要选择新的阈值，例如0.5、0.4、0.3？减少的步骤是什么

我曾尝试在谷歌搜索这些信息，但不幸的是，我找不到任何有用的信息

---

谢谢你的帮助。

我也有同样的疑问，到目前为止还没有找到任何权威来源。然而，这是我对这个问题的最佳猜测： 1.（0.5*sum（aplha））是阈值。 2.阈值的初始值高于此值。接下来，尝试使用中间强分类器（您当前拥有的）对样本进行分类。您将获得每个样本获得的分数，并且根据阈值的当前值，一些阳性样本将被分类为阴性等。因此，根据此阶段所需的检测率（强分类器），降低阈值，以便正确分类许多阳性样本

例如： 说脱粒。为10，这些是正训练样本的当前分类器输出：

9.5,10.5,10.2,5.4,6.7

我想要80%的检测率=>80%以上5个样本分类正确=>4个以上=>将阈值设置为6.7

显然，通过改变阈值，FP速率也会改变，因此更新该值，如果未达到该阶段所需的FP速率，则在该阶段使用另一个分类器

---

我还没有上过关于ada boost等的正式课程，但这是基于我试图实施的一些研究论文的观察结果。如果有什么不对劲，请纠正我。谢谢

我找到了Karim Ayachi（）关于实时人脸检测的硕士论文，他在论文中描述了Viola-Jones人脸检测方法

正如第5.2节（使用AdaBoost创建级联）所述，我们可以将强分类器的最大阈值设置为和（alpha），将最小阈值设置为0，然后使用二进制搜索找到最佳阈值（伪代码见表5.1）

---

希望这有帮助

什么是9.5、10.5、10.2、5.4、6.7？请扩展您的答案。这些值是当前阶段各个弱分类器的累积响应，通过其相应的字母进行加权。例如，如果您有4个字母为（1，2.5，3，4）的弱分类器，这意味着对于第一个阳性样本，除第一个样本外，所有人都将样本分类为1（因此为9.5），对于第二个样本，所有人都回答了1（因此为10.5）。显然，这些字母不足以解释其他值，但应该清楚如何使用更弱的分类器计算这些值。