免費論文查重認準CNKI論文查重，專為高校論文檢測、畢業論文查重、碩士論文查重誕生的論文檢測入口平臺，CNKI論文查重系統涵蓋海量的數據庫，為畢業生解決各種煩惱，論文查重軟件免費為各種有論文檢測、論文查重需求的人提供，論文查重認準CNKI查重！
發布時間：2023-08-31 22:13:21 作者：學術小編 來源：m.derer.cn
什么是級聯分類器？ 級聯分類器就是如下圖所示的一種退化了的決策樹。 為什么說是退化了的決策樹呢？ 是因為一般決策樹中，判斷后的兩個分支都會有新的分支出現，而級聯分類器中，圖像被拒絕后就直接被拋棄，不會再有判斷了。
級聯強分類器的策略是，將若干個強分類器由簡單到復雜排列，希望經過訓練使每個強分類器都有較高檢測率，而誤識率可以放低，比如幾乎99%的人臉可以通過，但50%的非人臉也可以通過，這樣如果有20個強分類器級聯，那么他們的總識別率為0.99^20約等于98%，錯誤接受率也僅為0.5^20約等于0.0001%。 這樣的效果就可以滿足現實的需要了。 文獻 [1]中給出了一種由簡單到復雜設計級聯分類器的方法，那就是添加特征法，對于第一個分類器，只用少數幾個特征，之后的每個分類器都在上一個的基礎上添加特征，直到滿足該級的要求。
訓練級聯分類器的目的就是為了檢測的時候，更加準確，這涉及到Haar分類器的另一個體系，檢測體系，檢測體系是以現實中的一幅大圖片作為輸入，然后對圖片中進行多區域，多尺度的檢測，所謂多區域，是要對圖片劃分多塊，對每個塊進行檢測，由于訓練的時候用的照片一般都是20*20左右的小圖片，所以對于大的人臉，還需要進行多尺度的檢測，多尺度檢測機制一般有兩種策略，一種是不改變搜索窗口的大小，而不斷縮放圖片，這種方法顯然需要對每個縮放后的圖片進行區域特征值的運算，效率不高，而另一種方法，是不斷初始化搜索窗口size為訓練時的圖片大小，不斷擴大搜索窗口，進行搜索，解決了第一種方法的弱勢。 基于Haar特征的Adaboost級聯分類器，在人臉的識別效果上并沒有比其他算法高，其亮點在于檢測速度。
