基于支持向量机的人脸检测训练集增强

• 作者: 山世光 王瑞平 陈杰 陈熙霖 高文
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 人脸检测 支持向量机 精简集算法 AdaBoost
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2921-2931
• 页数: 11页
• 分类号: TP391
• 字数: 7066字
• 语种: 中文

摘要

根据支持向量机(support vector machine,简称SVM)理论,对基于边界的分类算法(geometric approach)而言,类别边界附近的样本通常比其他样本包含有更多的分类信息.基于这一基本思路,以人脸检测问题为例,探讨了对给定训练样本集进行边界增强的问题,并为此而提出了一种基于支持向量机和改进的非线性精简集算法IRS(improved reduced set)的训练集边界样本增强算法,用以扩大训练集并改善其样本分布.其中,所谓IRS算法是指在精简集(reduced set)算法的核函数中嵌入一种新的距离度量--图像欧式距离--来改善其迭代近似性能,IRS可以有效地生成新的、位于类别边界附近的虚拟样本以增强给定训练集.为了验证算法的有效性,采用增强的样本集训练基于AdaBoost的人脸检测器,并在MIT+CMU正面人脸测试库上进行了测试.实验结果表明,通过这种方法能够有效地提高最终分类嚣的人脸检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	山世光	中国科学院智能信息处理重点实验室	24	934	10.0	24.0
5	陈熙霖	中国科学院智能信息处理重点实验室	22	571	8.0	22.0
9	陈杰	哈尔滨工业大学计算机科学与技术学院	23	819	13.0	23.0