A一种改进的AdaBoost算法――AD AdaBoost 图文.doc

A一种改进的AdaBoost算法――AD_AdaBoost_图文,试集则包括100个 :图测试集上对应的ROC曲线,以看出,高检测可在端,FR较低的一端, aos在低FR端F RA的下降,中的R图OC曲线截取的是对应高检测. ,用10维特征各对选0自在ADAdBot传统的Aaos算法下训练 aos和dBotFAR FAR ()练集上两种算法的RC曲线 a训O()测试集上两种算法的R)b(c曲线图 4 ,为级联结构的第一级分类器确定阈值, ,1R. 此表给出了分类器在训练集和测试集上的FR和 ,传统的AdBotA可与aos算法对比, ADAdBot训练集上具有更低的Faos在AR,在测试其集上的FRR和FAR也有不同程度的改善. 表1新旧算法在训练集FR01时的实验结果对比 R=. 上述的实验结果说明了,低FR端,文提在R本出的A aos算法对比传统的AdBot法 aos对字检测所使用的级联结构分类器进行训练时,2级 ,需 aos 的级联结构分类器由于具有较少的级数,运算速其度更快,泛化能力也更强. 在对自然景物图像中的文字进行检测的应用系统中,先采用基于ADAdBot首 aos的级联结构分类器对扫描窗口进行判决,. 基于级联结构的AdBot类器是解决目aos分图 5 ()lAdI￣t联结构分类器在不同尺度下 bAlak级对图像中的扫描窗口进行判决的结果(仍然显示图像内容的那些扫描窗口被分类器判决为文字区域) 5结论维普资讯李闯等:种改进的AdBot法——A dBot一aos算DAaos 190 ,统的AdBot但传aos 算法是针对对称的两类分类问题的,其优化目标是错误率上界的最小化;目标检测是一个非对称的而两类分类问题,采用级联结构时,,统的传AdBotaos算法仍需进一步改进才能更适应目标检测问题. o D b []shedra .Kad A ttsia ehdfr3o—iemnHjcdtcinapidt ae n as/reeig fteeteet pl ofcsader/Poednso h oeIEEE neec o mptrViinn tenCofrnenCoue s adPatr Reon—ocgi tnUSA,:76714—5 jua tr—ae ena[3Rwe 3 olYHA。au ,nd aatnsnTr