基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种新的Adaboost快速训练方法,解决了基于Adaboost的人脸检测算法中结构复杂、训练非常耗时的问题. 新方法从两方面提高训练速度:直接求解训练中Adaboost目标函数;在直接求解算法基础上,使用了双阈值简单分类器构造强分类器的Adaboost检测器结构.
推荐文章
一种Adaboost快速训练算法
人脸检测
分类器
训练算法
基于人工鱼群的Gentle Adaboost快速训练算法
Gentle Adaboost
人工鱼群
人脸检测
弱分类器
训练时间
标记样本的Adaboost算法
Adaboost算法
提升
抽样
有效容量
基于双阈值的增强型AdaBoost快速算法
dual-AdaBoost
双阈值
人脸检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新的Adaboost快速训练算法
来源期刊 复旦学报(自然科学版) 学科 工学
关键词 模式识别 Adaboost算法 人脸检测 机器学习
年,卷(期) 2004,(1) 所属期刊栏目
研究方向 页码范围 27-33
页数 7页 分类号 TP391.4
字数 4874字 语种 中文
DOI 10.3969/j.issn.0427-7104.2004.01.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张立明 复旦大学电子工程系 104 1550 23.0 34.0
2 王海川 复旦大学电子工程系 3 118 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (308)
参考文献  (3)
节点文献
引证文献  (98)
同被引文献  (72)
二级引证文献  (170)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(9)
  • 参考文献(0)
  • 二级参考文献(9)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(4)
  • 引证文献(4)
  • 二级引证文献(0)
2006(6)
  • 引证文献(2)
  • 二级引证文献(4)
2007(21)
  • 引证文献(11)
  • 二级引证文献(10)
2008(15)
  • 引证文献(11)
  • 二级引证文献(4)
2009(24)
  • 引证文献(11)
  • 二级引证文献(13)
2010(27)
  • 引证文献(13)
  • 二级引证文献(14)
2011(19)
  • 引证文献(9)
  • 二级引证文献(10)
2012(9)
  • 引证文献(4)
  • 二级引证文献(5)
2013(19)
  • 引证文献(6)
  • 二级引证文献(13)
2014(19)
  • 引证文献(7)
  • 二级引证文献(12)
2015(22)
  • 引证文献(3)
  • 二级引证文献(19)
2016(26)
  • 引证文献(7)
  • 二级引证文献(19)
2017(19)
  • 引证文献(5)
  • 二级引证文献(14)
2018(11)
  • 引证文献(0)
  • 二级引证文献(11)
2019(14)
  • 引证文献(3)
  • 二级引证文献(11)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
模式识别
Adaboost算法
人脸检测
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
复旦学报(自然科学版)
双月刊
0427-7104
31-1330/N
16开
上海市邯郸路220号
4-193
1955
chi
出版文献量(篇)
2978
总下载数(次)
5
总被引数(次)
22578
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导