训练多类Boosting分类器的方法技术

一种训练多类Ｂｏｏｓｔｉｎｇ分类器的方法，在训练过程中的每次循环之后并在下一次循环开始之前，为训练数据中的每个训练样本的样本权重分配一个与训练样本所属的类对应的类权重，即，样本权重和类权重构成训练样本在每个训练循环中的训练权重。每个类对应的类权重根据在本次以及最近的循环训练得到的强分类器对于该类的性能而动态地变化，以使性能差的类的训练样本在下次循环中的训练权重增大，从而性能好的类在下次循环中的训练权重减小，使各个类的性能尽可能在相同的循环中达到性能目标阈值而完成训练，从而最终使得性能最差的类所需的弱分类器的数量减小，同时对不同的类进行分类所需的弱分类器的数量基本相同。

【技术实现步骤摘要】

本专利技术涉及分类器训练方法，更具体地讲，涉及一种通过在使用多类 Boosting方法进行类的训练时通过动态改变类权重调整训练样本的训练权重 来。
技术介绍
多类Boosting方法对于多类对象检测和识别非常重要，特别是在图像对 象检测领域。图像对象检测变得越来越流行，并且被用于多个不同检测类的 检测中。其应用的示例包括多视角人脸检测、眼睛定位，交通信号检测以 及车辆^r测等。图l示出用于多视角人脸检测的多类Boosting方法。根据人脸相对于图 像面的旋转角度，多视角人脸被分为若干类。多类Boosting方法可用于同时 检测若干个角度的人脸。图2示出多类Boosting方法的构思。在多浮见角人脸4企测中，多类Boosting 方法使用具有所有类的相同特征的分类器，分类器对于不同的类具有不同的 置信参数。例如，使用人的眼睛作为分类特征来训练分类器，在对不同视角 的人脸图像进行检测时，该分类器对于不同视角的人脸的检测结果的置信度 是不同的，因此需要根据不同的视角(即，不同的类)设置不同的置信参数。第2006/0248029号美国专利"Object-detection method m本文档来自技高网...

【技术保护点】
一种用于训练多类Ｂｏｏｓｔｉｎｇ分类器的方法，所述方法包括：　（１）提供包括多个类的训练样本的训练数据；　（２）设置性能目标阈值，初始化训练样本的训练权重，其中，训练样本的训练权重包括训练样本的样本权重和类权重，所述训练样本的类 权重与所述多个类中与训练样本所属的类相对应；　（３）使用Ｂｏｏｓｔｉｎｇ方法对训练数据中的被训练权重加权的训练样本进行循环训练，其中，在所述循环训练过程中的每次循环之后，得到用于与所述进行训练的训练样本对应的类的弱分类器，将在已经完成 的训练循环得到的弱分类器组合为强分类器，并测试所述强分类器的性能以确定是否存在性能达到或超过所述性能目...

【技术特征摘要】

【专利技术属性】
技术研发人员：金培亭，李宗河，任海兵，
申请(专利权)人：北京三星通信技术研究有限公司，三星电子株式会社，
类型：发明
国别省市：KR[韩国]