Ongelmana on tehdä toimiva weak learner (WL) esim. kasvokuvasta otetulle LBP-histogrammille. Kasvokuva jaettu yhdeksään ikkunaan, josta jokaisesta laskettu LBP-histogrammi.
En oikein keksi hyvää nopeaa tapaa opettaaa adaboostin WL:ia löytämään pienimmän virhelähteen opetusnäytteestä. Siis onko oikea tapa etsiä jokaisen positiivisen ja negatiivisen histogrammin ensimmäisestä "binistä" se vähiten virhettä tuottava jne. sitten lopulta kasata tavalla tai toisella se koko syötteen (histogrammin) paras osuma WL:ksi?
Lopulta tietysti yhdistetään kaikki WL:t yhdeksi classifierksi?
Hjälp!
En oikein keksi hyvää nopeaa tapaa opettaaa adaboostin WL:ia löytämään pienimmän virhelähteen opetusnäytteestä. Siis onko oikea tapa etsiä jokaisen positiivisen ja negatiivisen histogrammin ensimmäisestä "binistä" se vähiten virhettä tuottava jne. sitten lopulta kasata tavalla tai toisella se koko syötteen (histogrammin) paras osuma WL:ksi?
Lopulta tietysti yhdistetään kaikki WL:t yhdeksi classifierksi?
Hjälp!
Vastaukset
Vanhimmat
Ei vielä vastauksia
Aloittaja odottaa vastauksia. Kerro oma näkemyksesi ensimmäisenä.