匿名模糊位置

已将您的地理位置进行模糊化处理，谨防第三方窃取您的位置信息。

综合

影视

购物

  • 融合Adaboost和光流算法的视频人脸实时检测

    提出一种基于AdaBoost和光流的融合算法实现视频人脸的实时检测,利用AdaBoost算法对人脸进行检测,结合光流算法对视频图像帧间的连续性进行估计,获得人脸在图像中的位置.实验证明,本文介绍的人脸检测和追踪的方法利用了Ada-Boost和光流算法各自的优点,一定程度上解决了人脸偏转、部分遮挡、表情变化以及光照等因素对人脸检测的影响.

  • 一种基于AdaBoost算法的焊缝缺陷检测方法

    另外，使用AdaBoost作特征选择，筛选出更好表征缺陷特点的特征。同时，在缺陷类别判定中，扩展二分类为多分类AdaBoost。该分类器对于不同的缺陷类别有不同的偏重，对非均匀分布的样本有良好的分...

  • AdaBoost算法的训练过程

    每个Haar特征对应看一个弱分类器，但并不是任何一个Haar特征都能较好的描述人脸灰度分布的某一特点，如何从大量的Haar特征中挑选出最优的Haar特征并制作成分类器用于人脸检测，这是AdaBoost算法训练过程所要解决的关键问题。PaulVi...

  • AdaBoost人脸检测定点型优化算法

    该算法以AdaBoost人脸检测原型算法为基础，分析了Cascade瀑布式级联分类器中弱分类器与强分类器分类计算的特点，有效分解了弱分类器与强分类器的计算过程，从而现实了强分类器与弱分类器相关...

  • 机器学习算法|Adaboost算法详解

    它的特点在“ 随机采样 ”。那么什么是随机采样？随机采样(bootsrap)就是从我们的训练集里面采集固定个数的样本，但是每采集...

  • 基于AdaBoost算法的人脸检测及其在DSP平台上的移植

    在检测过程中,实现对不同大小人脸检测时,本文将弱分类器缩放机制与图像金字塔缩放机制的优缺点进行分析对比,最终,提出了一种将两种机制有机结合的方法来实现多尺度人脸检测。 接下来,将...

  • 机器学习之AdaBoost

    AdaBoost的优点： （ 1）可以处理连续值和离散值； （ 2）可以将不同的分类算法作为基分类器； （ 3）解释性强，结构简单； （ 4）泛化错误率低（Margin Theory以及弱学习器通常比较简单，不是很容易陷入过拟合）； （ 5）无需调整超参。 AdaBoost的缺点： （ 1）对训练样本集中的异常点本敏感，异常样本可能会在迭代过程中获得较高的权重值，最终影响模型效果...

  • 锂离子电池健康状态预测研究现状

    目前集成学习法有两种,一种是AdaBoost算法[28],另一种方法是将弱学习机与集成学习理论相结合[29]。2.2.2 基于滤波的方法 基于滤波的方法包括KF、粒子滤波（particle filter,PF）和改进算法等...

  • 一种基于Haar特征的人脸检测改进算法

    并针对其训练周期长的问题提出改进算法,通过分类器误差比较判断替换人为参数设置,实现训练自主,减少人为参数设定不合理所带来的迭代训练周期长,样本过拟合等问题。对比改进前后算法训练时...

  • Adaboost算法在人脸检测中的应用

    Application of Adaboost Algorithm in Face Detection 摘要：针对人脸检测的特点,详细叙述了检测中应用的特征值的计算以及积分图的使用,给出了基于Adaboost算法的弱分类器选取和单个强分类器的...

adaboost技术优缺点

相关内容
为您找到约 1,000,000 条相关结果
上一页10111213141516171819下一页