adaboost 源码搜索结果, 第91页, Verysource

基于双阈值的改进型Adaboost人脸检测算法针对Adaboost人脸检测算法训练时间长以及不能有效区分特征值聚集分布的情况，提出了一种基于双阈值的改进型Adaboost人脸检测算法，并给出了双阈值的搜索算法。在MIT-CBCL和MIT+CMU人脸库上对算法进行了仿真验证。仿真结果显示，改进的双阈值Adaboost算法在不降低检测率的同时大幅度提升了训练的速度，同时检测速度也有所提升，该方法的综合性能优于单阈值算法。
Adaboost算法的FPGA实现与性能分析本文创新点在于采用了一种像素积分单元阵列结构，能够对 Adaboost 算法中的Haar 特征进行并行处理。结合Virtex5 平台丰富和特殊结构的逻辑资源，得到了理想的性能，甚至已经能够和高性能的PC平台相提并论。从结果中可以看到，本系统只使用了部分资源。通过在FPGA芯片内部例化更多的处理单元，还有进一步增大并行性以取得性能提升的空间。
改进的AdaBoost在表情识别中的应用考虑到人脸表情识别问题在未来的科学应用中可能出现的样本分布不均匀的情况，在提高识别率的基础上，针对这类问题进行了实验研究，将一种改进的AdaBoost算法与SVM结合运用到表情分类当中。实验结果表明，在出现稀有样本的情况下，相对于普通的AdaBoost训练SVM以及单纯的SVM进行多分类的方法，该算法在识别率方面有了很大提高。
基于Adaboost和CART结合的优化分类算法提出了一种基于Adaboost算法和CART算法结合的分类算法。以特征为节点生成CART二叉树，用CART二叉树代替传统Adaboost算法中的弱分类器，再由这些弱分类器生成强分类器。将强分类器对数字样本和人脸样本分类，与传统Adaboost算法相比，该方法的错误率分别减少20%和86.5%。将分类器应用于目标检测上，实现了对这两种目标的快速检测和定位。结果表明，改进算法既减小了对样本分类的错误率，又保持了传统Adboost算法对目标检测的快速性。
用C语言实现的基于adaboost算法的人脸检测程序及人脸库用C语言实现的基于adaboost算法的人脸检测程序及人脸库用C语言实现的基于adaboost算法的人脸检测程序及人脸库
Adaboost回归预测与分类代码（带测试数据）这是集成学习Adaboost的matlab代码包括：回归预测、分类以BP为基学习器进行分类和回归学习
EDA/PLD中的Adaboost算法的FPGA实现与性能分析摘要：Adaboost算法采用由弱到强的级联型分类器用以快速检测人脸。但在实际应用中计算量巨大。在PC机上用纯软件实现该算法得到的目标检测速度也难以达到实时。本文论述了一种 ... ,并在Virtex5系列FPGA上实现。通过该并行系统对单幅352x288的图像进行人脸检测,其速率可以达到50帧/秒,可以满足工业应用的实时性要求。　　引言　　Adaboost 算法是Freund 和Schapire 于1995 年提出的，全称为Adaptive Boosting。它是 Boosting 算法的改进，意为该算法
基于OpenCV的Adaboost实现人脸识别功能(眼) 使用Python，Opencv的Adaboost，人脸识别，Python基于OpenCV库Adaboost实现人脸识别功能详
Adaboost算法研究及在人脸识别中的应用.doc PAGE Adaboost算法的研究及在人脸检测方面的应用摘要人脸检测问题最初作为自动人脸识别系统的定位环节被提出近年来由于其在安全访问控制视觉检测基于内容的检索和新一代人机界面等领域的应用价值开始作为一个独立的课题受到研究者的普遍重视到目前为止人脸检测问题由于自身的复杂性仍旧未能得到彻底解决最新的进展是Viola等人的基于积分图像的Adaboost方法其层叠分类器在人脸检测方面速度快且性能与
基于双阈值的增强型AdaBoost快速算法.pdf 第33卷第21期计算机工程 2007年11月砀33 No2l ComputerEngineering November2007 人工智能及识别技术文章缩号t10003428(2007)21017203丈蕾标识码A 中圈分类号ITP3914 基于双阈值的增强型AdaBoost快速算法严云洋韩袁波tp插静字1 (I南京理工大学计算机科学与技术学院南京2100942稚阴工学院计算机工程系推安2

关键字：adaboost