2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩80頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人臉是一個(gè)常見而復(fù)雜的視覺模式,人臉?biāo)从车囊曈X信息在人與人的交流和交往中有著重要的作用和意義。對(duì)人臉進(jìn)行處理和分析在視頻監(jiān)控、出入口控制、視頻會(huì)議以及人機(jī)交互等領(lǐng)域都有著廣泛的應(yīng)用前景。人臉檢測(cè)作為物體檢測(cè)問(wèn)題的一個(gè)特例,長(zhǎng)期以來(lái)一直備受關(guān)注。人臉檢測(cè)是人臉圖像處理中關(guān)鍵性的第一步,因此人臉檢測(cè)算法的精度直接影響著后續(xù)工作的進(jìn)行。 本文的研究方向是基于靜態(tài)圖像的人臉檢測(cè)算法的研究,采用了Adaboost算法,對(duì)其訓(xùn)練方法提出了

2、改進(jìn);并將多示例學(xué)習(xí)算法結(jié)合到Adaboost中,提出了一種基于多示例學(xué)習(xí)的Adaboost算法;接著設(shè)計(jì)實(shí)驗(yàn)證明了本文提出的算法有更好的檢測(cè)率,優(yōu)于已有的Adaboost算法;最后將基于多示例學(xué)習(xí)的Adaboost算法應(yīng)用于多角度人臉檢測(cè)中。具體工作包括以下部分: 1.提出了一種新型的Adaboost訓(xùn)練方法,本文稱之為查表型弱分類器訓(xùn)練算法。查表型弱分類器訓(xùn)練方法是從單個(gè)弱分類器的訓(xùn)練算法上進(jìn)行改進(jìn),大大減少了Adaboo

3、st訓(xùn)練分類器的時(shí)間。查表型弱分類器快速訓(xùn)練算法的思想是基于Adaboost算法中訓(xùn)練樣本自身的各個(gè)特征值不會(huì)隨著訓(xùn)練而改變,改變的僅僅是樣本的權(quán)重。將樣本的特征值在訓(xùn)練之前排序,得到一個(gè)次序表;在每次訓(xùn)練時(shí)只需要調(diào)用次序表即可,而不需要重新統(tǒng)計(jì)概率分布。這樣就避免了當(dāng)樣本權(quán)重發(fā)生變化時(shí),弱分類器重復(fù)的排序過(guò)程,可以解決Adaboost傳統(tǒng)的弱分類器訓(xùn)練方法上耗時(shí)的問(wèn)題。 2.提出了一種新的基于Adaboost的算法:基于多示

4、例學(xué)習(xí)的Adaboost算法,本文稱為EM-DD-boost算法。20 世紀(jì)90 年代以來(lái),根據(jù)從導(dǎo)師或環(huán)境獲取的例子進(jìn)行學(xué)習(xí)的示例學(xué)習(xí)被認(rèn)為是最有希望的一種機(jī)器學(xué)習(xí)途徑。在多示例學(xué)習(xí)中,學(xué)習(xí)系統(tǒng)對(duì)每個(gè)訓(xùn)練示例有部分或不完全的知識(shí),這與人臉檢測(cè)的樣本訓(xùn)練過(guò)程很相似。因此本文將多示例學(xué)習(xí)算法引入人臉檢測(cè)算法中,并選取學(xué)習(xí)效果最好的EM-DD算法(最大期望化的多樣性密度算法)結(jié)合對(duì)人臉檢測(cè)效果最好的Adaboost算法,提出一種新的方法:E

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論