A一種改進(jìn)的AdaBoost算法――AD_AdaBoost_圖文_第1頁
A一種改進(jìn)的AdaBoost算法――AD_AdaBoost_圖文_第2頁
A一種改進(jìn)的AdaBoost算法――AD_AdaBoost_圖文_第3頁
A一種改進(jìn)的AdaBoost算法――AD_AdaBoost_圖文_第4頁
A一種改進(jìn)的AdaBoost算法――AD_AdaBoost_圖文_第5頁
已閱讀5頁,還剩1頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、 維普資訊 計 算 機(jī) 學(xué) 報 從 非文 字 區(qū)域 中 隨機(jī) 獲取 的 練 集 包括 個 訓(xùn) 正 樣本 和 個 負(fù)樣 本 , 試 集 則 包 括 個 測 正 樣本 和 個負(fù) 樣本 訓(xùn) 練采 用 的特 征 是從 維 直 方 圖 特征 庫 中 分類器 給 出 了分 別 采 用 兩種 算 法 在 訓(xùn) 練集 : 圖 測試集 上 對應(yīng) 的 曲線 , 以看 出 , 高檢 測 可 在 端 , 較低 的一 端 , 算 法 的 即 新 性 能 得 了改善 為了體 現(xiàn) 在低 端 的下 降 , 中 的 圖 曲線 截 取 的是 對 應(yīng) 高 檢 測 即 較 小 的部 分 選 取 的 于級聯(lián) 結(jié)構(gòu) 的第 一級 , 用 維

2、特 征各 對 選 自在 傳統(tǒng) 的 算 法下 訓(xùn)練 和 ( ) 練集 上兩種 算 法的 曲線 訓(xùn) ( )測試 集上 兩種算 法 的 ) ( 曲線 圖 根據(jù) 本文 節(jié) 中對 閾值 調(diào)整 的 闡述和 圖 的 曲線 , 為級 聯(lián) 結(jié) 構(gòu) 的第 一 級 分 類 器 確 定 閾值 , 使其 滿 足 在 訓(xùn) 練 集 上 的 為 時 , 此 表 給 出 了 分 類 器 在 訓(xùn) 練 集 和 測 試 集 上 的 和 以 看 出 , 傳 統(tǒng) 的 可 與 算法 對 比 , 訓(xùn) 練 集 上 具 有 更 低 的 在 , 在 測 試 其 集上 的 和 也 有不 同程 度 的改善 表 新 舊算 法 在 訓(xùn) 練 集 時 的 實

3、驗 結(jié) 果 對 比 上述 的實驗結(jié) 果 說 明 了 , 低 端 , 文 提 在 本 出的 算法 對 比傳統(tǒng) 的 法 算 具 有更好 的性 能 當(dāng)采 用 圖像 中文 對 字 檢測所 使 用 的級 聯(lián)結(jié) 構(gòu)分 類 器進(jìn) 行 訓(xùn) 練 時 , 級 的分類 器 即可 滿 足 檢 測 問 題 對 和 的 要 求 而若 采 用 傳 統(tǒng) 的 法 進(jìn)行 訓(xùn) 練 , 需 算 則 要 級 才能夠滿 足 同樣 的要 求 基于 的級 聯(lián)結(jié) 構(gòu)分 類器 由于 具 有 較 少 的級 數(shù) , 運 算 速 其 度更 快 , 泛化 能力 也更 強(qiáng) 在對 自然 景物 圖像 中 的文字 進(jìn)行 檢測 的應(yīng)用 系 統(tǒng) 中 , 先采 用基

4、 于 首 的級聯(lián) 結(jié) 構(gòu)分 類 器 對掃 描窗 口進(jìn)行 判決 , 然后 對 判 決 結(jié) 果進(jìn) 行 合 并 等操 作 以實現(xiàn) 對文 字 區(qū)域 的檢 測定 位 給 出 了 圖 檢 測 的過 程 和結(jié)果 基 于級聯(lián) 結(jié) 構(gòu) 的 類 器是 解 決 目 分 圖 ( ) 聯(lián)結(jié) 構(gòu)分 類器 在不 同尺度 下 級 對 圖像 中的掃 描窗 口進(jìn) 行判 決的 結(jié)果 ( 仍然 顯示 圖 像 內(nèi)容的那 些掃 描窗 口被 分類 器判決 為 文字 區(qū)域 ) 結(jié) 論 維普資訊 期 李 闖等 : 種 改 進(jìn) 的 法 一 算 檢測 問題 的 有效 途 徑 之 一 是 , 統(tǒng) 的 但 傳 算法 是針 對對稱 的兩 類 分類 問題

5、 的 , 其優(yōu) 化 目標(biāo) 是 錯誤 率上 界 的最小 化 ; 目標(biāo) 檢 測 是一 個 非 對 稱 的 而 兩類分類 問題 , 采用 級聯(lián) 結(jié)構(gòu) 時 , 對分類 器 的要 在 其 求 是在 低 端 盡 可 能 地 小 因此 , 統(tǒng) 的 傳 算法仍 需 進(jìn) 一 步 改 進(jìn) 才 能 更適 應(yīng) 目標(biāo) 檢 測 問題 , : 。 , , , ( ): , 【 , , , , , : , , 本文 提 出 了一 種 新 的 算 法 該 算 法 采 用 了 更 為 有 效 的 參 數(shù) 求 解 方 法, 即弱 分類 器 的加 權(quán)參 數(shù)不 但 與錯誤 率有 關(guān) , 與 還 其 對 正樣本 的識 別 能力 有關(guān) 能 夠通 過 改 善樣 本 ( 值 的 分 布有 效地 降 低低 ) 端 的 , 其更適 用 于 目標(biāo) 檢測 問題 的要 求 使 , , ; 。 , , : , , : 實驗 結(jié)果 證 明了新算 法對 比傳 統(tǒng)算 法所 取得 的 性 能改進(jìn) 文采 用新 算 法 訓(xùn) 練 基 于級 聯(lián) 結(jié) 構(gòu) 的 分 本 , 類 器并將 其 應(yīng)用 到 自然 景 物 圖像 中 的文 字 檢測 , 取 得 了較好 的結(jié) 果 參 考 文 獻(xiàn) , , , , : , ,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論