• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >GAdaBoost: Accelerating Adaboost Feature Selection with Genetic Algorithms
【2h】

GAdaBoost: Accelerating Adaboost Feature Selection with Genetic Algorithms

机译：GadaBoost：用遗传算法加速adaboost特征选择   算法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Boosted cascade of simple features, by Viola and Jones, is one of the mostfamous object detection frameworks. However, it suffers from a lengthy trainingprocess. This is due to the vast features space and the exhaustive searchnature of Adaboost. In this paper we propose GAdaboost: a Genetic Algorithm toaccelerate the training procedure through natural feature selection.Specifically, we propose to limit Adaboost search within a subset of the hugefeature space, while evolving this subset following a Genetic Algorithm.Experiments demonstrate that our proposed GAdaboost is up to 3.7 times fasterthan Adaboost. We also demonstrate that the price of this speedup is a meredecrease (3%, 4%) in detection accuracy when tested on FDDB benchmark facedetection set, and Caltech Web Faces respectively.
机译：Viola和Jones推动的简单功能级联是最著名的对象检测框架之一。然而，它遭受了漫长的训练过程。这是由于广阔的功能空间和Adaboost的详尽搜索性质所致。在本文中，我们提出了GAdaboost：一种通过自然特征选择来加速训练过程的遗传算法，特别是，我们建议将Adaboost搜索限制在巨大特征空间的一个子集内，同时遵循遗传算法对这个子集进行进化，实验表明我们提出的GAdaboost比Adaboost快3.7倍。我们还证明，分别在FDDB基准人脸检测集和Caltech Web Faces上进行测试时，这种加速的价格仅会使检测精度降低（3％，4％）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号