Распознавание осанки рук с использованием SURF с адаптивным бустингом

Question

Я пытаюсь реализовать алгоритм этой статьи:

http://www.bmva.org/bmvc/2012/WS/paper5.pdf

Это алгоритм "Процесс обучения для всех целевых поз" на странице 6.

В основном это техника, которая использует adaboost и SURF (экстрактор функций) для распознавания осанки рук. Как я уже писал ранее, я пытаюсь реализовать, но я все еще не понял этот алгоритм. Проблема в том, что у меня есть такой вопрос, как:

1. Что такое список соответствия, упомянутый на стр. 5, последний абзац?
2. Какова взаимосвязь между порогом и тренировочным процессом (алгоритм обучения)?
3. В строке 7 алгоритма обучения: что является возвращением функции ht(Ix,ft,tet)?

Я хотел бы знать, если кто-то реализовал этот алгоритм или кто-то может помочь мне в этих вопросах.

Большое спасибо за ответ (помощь), потому что я уже потратил некоторое время на этот алгоритм, и я все еще не понимал этот алгоритм для реализации.

Answer 1

Сканирование через бумагу, вот что я сделал вывод. Пожалуйста, обратите внимание, что я НЕ детально рассмотрел статью, поэтому могу ошибаться, но, реализовав AdaBoost раньше, я могу прояснить ваши сомнения:

1. Во время тестирования вы присваиваете "оценку" каждой позиции в вашей базе данных. Вы хотите максимально точно определить положение тестового изображения. "Оценка" показывает, насколько "близка" тестовая позиция к позиции в базе данных. Позиция с наивысшим результатом в итоге является вашим результатом соответствия / тестирования.

2 и 3. При выборе слабых классификаторов у вас есть пороговое значение, поэтому итерация для выбора слабых классификаторов останавливается, как только их вес становится меньше порогового значения. Порог должен быть оптимальным в том смысле, что "выбранный" слабый классификатор должен быть достаточно уникальным, чтобы иметь возможность эффективно классифицировать соответствующий ему вектор. В то же время вы не должны быть слишком строгими в отношении порога, иначе время, необходимое для итераций, будет очень большим. Следовательно, порог должен быть оптимальным, и в статье показано, как его рассчитать. Это отвечает на ваш второй вопрос. Функция, о которой вы говорите, является слабым классификатором.