作者:
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:
将Adaboost算法应用在人脸检测中时,大多数论文并没有探讨训练样本的数量、比例和Harr特征的种类对于人脸检测的影响,这对于初学者来说,是比较难以理解的,因此本文从训练样本的角度,给出了不同情形下使用Adaboost算法的误检率,从而使读者对Adaboost算法有一个定性和定量的了解.
推荐文章
基于普通样本的Adaboost人脸检测算法
AdaBoost
人脸检测
权值更新
普通样本
基于小训练样本的AdaBoost人脸检测
人脸检测
协方差特征
Fisher判别式分析
训练样本
基于Gabor变换的每类单个训练样本人脸识别研究
Gabor小波
Gabor滤波
决策融合
高维仿生信息学
光照
最小生成树
基于分块2DPCA 与2DLDA的单训练样本人脸识别
单训练样本
人脸识别
二维主成分分析(2DPCA)
二维线性判别分析(2DLDA)
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 浅谈训练样本对Adaboost算法的影响
来源期刊 信息通信 学科 工学
关键词 Adaboost算法 人脸检测 训练样本 数量 比例 Harr特征
年,卷(期) 2012,(5) 所属期刊栏目 学术研究
研究方向 页码范围 10-11
页数 2页 分类号 TP391.41
字数 2420字 语种 中文
DOI
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 李泽宇 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (4)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(4)
  • 引证文献(3)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
Adaboost算法
人脸检测
训练样本
数量
比例
Harr特征
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
信息通信
月刊
1673-1131
42-1739/TN
大16开
湖北省武汉市
1987
chi
出版文献量(篇)
18968
总下载数(次)
92
论文1v1指导