AdaBoost 输入和输出？

Question

我是一个非技术人员，正在尝试实现图像分类。在本文中，我遇到了 ADA Boost 算法，该算法是在视频关键帧的“特征包”步骤之后实现的。有人可以通俗地解释一下 ADA Boost 的作用以及它的输入和输出是什么？有人可以指出我是否可以编写相同的代码吗？

Answer 1

首先，如果您可以链接/命名您所引用的论文，那就太好了。

AdaBoost是一种元分类算法，因为它结合了多个称为弱学习器的分类器。这些弱学习器通常非常简单，例如它们仅根据一种特征对数据进行分类，并且性能略好于随机。

在图像分类中，AdaBoost 将使用图像数据集(带有描述每个样本属于哪个类的相应标签)和一组弱学习器作为输入。然后，AdaBoost 将找到数据上错误率最低(即最佳结果)的弱学习器。现在，所有正确分类的数据样本都被赋予较低的权重，因为它们现在不太重要，而错误分类的样本则被赋予更高的权重。 AdaBoost 现在将开始新一轮，并根据新加权的数据选择最佳的弱学习器。换句话说，它会找到一个新的弱学习器，它能够更好地对先前选择的弱学习器无法分类的样本进行分类。

算法将继续选择这些弱学习器进行指定的迭代次数。输出由选定的弱学习器组组成。学习的分类器现在可以根据组中每个弱分类器的多数投票对新图像进行分类(通常弱分类器本身也根据其实现的错误率进行加权)。

您可能想看看已经实现了 AdaBoost 的软件，例如 WEKA或面向计算机视觉的OpenCV .