Boosting方法及其在圖像理解中的應用研究.pdf_第1頁
已閱讀1頁，還剩76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)，請進行舉報或認領(lǐng)

文檔簡介

1、圖像理解是當前計算機研究領(lǐng)域的熱點，其主要研究內(nèi)容是場景中目標識別和場景的描述與理解。分類和檢測是場景中目標識別的關(guān)鍵問題，通過對樣本的訓練學習產(chǎn)生判別決策，得到識別結(jié)果，判別模型的好壞會對識別結(jié)果產(chǎn)生重要影響。Boosting方法將比隨機猜測略好的弱分類器合并為精確的強分類器，能夠解決圖像理解中更一般的目標識別問題。 本文的主要工作如下： (1)探討了Boosting分類機制，概述了兩大系模型：AdaBoost和Boo

2、st-by-Majority，分別從訓練樣本和弱分類器的權(quán)重、損失函數(shù)及其特性四個方面歸類比較了拓展模型，形成了較為完整的Boosting分類模型體系； (2)從指數(shù)準則和對數(shù)似然準則兩個方面闡述了Boosting模型的統(tǒng)計本質(zhì)，通過數(shù)據(jù)分類實驗比較了Real AdaBoost和Gentle AdaBoost兩種模型，驗證了Gentle AdaBoost的優(yōu)點，奠定了模型選擇的理論基礎(chǔ)； (3)分析了傳統(tǒng)圖像集和融入視覺

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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