A一种改进的AdaBoost算法――AD_AdaBoost_图文

1、 维普资讯 计 算 机 学 报 从 非文 字 区域 中 随机 获取 的 练 集 包括 个 训 正 样本 和 个 负样 本 ， 试 集 则 包 括 个 测 正 样本 和 个负 样本 训 练采 用 的特 征 是从 维 直 方 图 特征 库 中 分类器 给 出 了分 别 采 用 两种 算 法 在 训 练集 ： 图 测试集 上 对应 的 曲线 ， 以看 出 ， 高检 测 可 在 端 ， 较低 的一 端 ， 算 法 的 即 新 性 能 得 了改善 为了体 现 在低 端 的下 降 ， 中 的 图 曲线 截 取 的是 对 应 高 检 测 即 较 小 的部 分 选 取 的 于级联 结构 的第 一级 ， 用 维

2、特 征各 对 选 自在 传统 的 算 法下 训练 和 （ ） 练集 上两种 算 法的 曲线 训 （ ）测试 集上 两种算 法 的 ） （ 曲线 图 根据 本文 节 中对 阈值 调整 的 阐述和 图 的 曲线 ， 为级 联 结 构 的第 一 级 分 类 器 确 定 阈值 ， 使其 满 足 在 训 练 集 上 的 为 时 ， 此 表 给 出 了 分 类 器 在 训 练 集 和 测 试 集 上 的 和 以 看 出 ， 传 统 的 可 与 算法 对 比 ， 训 练 集 上 具 有 更 低 的 在 ， 在 测 试 其 集上 的 和 也 有不 同程 度 的改善 表 新 旧算 法 在 训 练 集 时 的 实

3、验 结 果 对 比 上述 的实验结 果 说 明 了 ， 低 端 ， 文 提 在 本 出的 算法 对 比传统 的 法 算 具 有更好 的性 能 当采 用 图像 中文 对 字 检测所 使 用 的级 联结 构分 类 器进 行 训 练 时 ， 级 的分类 器 即可 满 足 检 测 问 题 对 和 的 要 求 而若 采 用 传 统 的 法 进行 训 练 ， 需 算 则 要 级 才能够满 足 同样 的要 求 基于 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

4、 于 首 的级联 结 构分 类 器 对扫 描窗 口进行 判决 ， 然后 对 判 决 结 果进 行 合 并 等操 作 以实现 对文 字 区域 的检 测定 位 给 出 了 图 检 测 的过 程 和结果 基 于级联 结 构 的 类 器是 解 决 目 分 图 （ ） 联结 构分 类器 在不 同尺度 下 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 ） 结 论 维普资讯 期 李 闯等 ： 种 改 进 的 法 一 算 检测 问题 的 有效 途 径 之 一 是 ， 统 的 但 传 算法 是针 对对称 的两 类 分类 问题

5、 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 ， 对分类 器 的要 在 其 求 是在 低 端 尽 可 能 地 小 因此 ， 统 的 传 算法仍 需 进 一 步 改 进 才 能 更适 应 目标 检 测 问题 ， ： 。 ， ， ， （ ）： ， 【 ， ， ， ， ， ： ， ， 本文 提 出 了一 种 新 的 算 法 该 算 法 采 用 了 更 为 有 效 的 参 数 求 解 方 法， 即弱 分类 器 的加 权参 数不 但 与错误 率有 关 ， 与 还 其 对 正样本 的识 别 能力 有关 能 够通 过 改 善样 本 （ 值 的 分 布有 效地 降 低低 ） 端 的 ， 其更适 用 于 目标 检测 问题 的要 求 使 ， ， ； 。 ， ， ： ， ， ： 实验 结果 证 明了新算 法对 比传 统算 法所 取得 的 性 能改进 文采 用新 算 法 训 练 基 于级 联 结 构 的 分 本 ， 类 器并将 其 应用 到 自然 景 物 图像 中 的文 字 检测 ， 取 得 了较好 的结 果 参 考 文 献 ， ， ， ， ： ， ，