adaboost的应用程序特定的好处而不是gentleboost,反之亦然？
use*_*627 4 algorithm boost classification image-processing computer-vision
我一直在研究AdaBoost和GentleBoost分类器,但似乎无法找到问题的明确答案:
- 什么是Adaboost更好地分类计算机视觉？
- 什么是GentleBoost更好的分类？
我被告知,AdaBoost适用于柔软边缘的东西,如面部识别,而GentleBoost适用于具有更硬和更对称的特征和边缘的东西,如车辆.这是真的？有没有证据证明这个或任何证据支持这项索赔？
从我的记忆中,GentleBoost是AdaBoost分类器的变体.
例如,Adaboost很可能能够检测出像GentleBoost中提到的具有硬物的东西,而且我也对罐头和香蕉这样的东西进行了Adaboost测试.
虽然我以前从未使用过GentleBoost,或者更确切地说是尝试过,但根据论文的说法,计算具有很少特征或硬物的物体所需的计算速度就像你所说的那样,如香蕉,罐头等可能是快得多.
你可以在这里阅读更多相关内容:AdaBoost,Gentleboost虽然只是这个wiki中的一小部分,它应该或多或少能够澄清它.
从数学上讲,主要的关键区别在于使用的损失函数.
对于GentleBoost,更新是fm(x)= P(y = 1 | x) - P(y = 0 | x).
对于AdaBoost,更新是:
如果我没有错,GentleBoost应该对噪声数据不那么敏感,除了比AdaBoost更快(在数学方面更快的假设),但是在准确性方面,我从未玩过它,所以我不能确定.
希望以某种方式帮助你(:
| 归档时间： |
|
| 查看次数： |
950 次 |
| 最近记录： |