Haar-Feature의 임계 값은 Viola-Jones의 유일한 방법으로 계산됩니까?

Question

비올라 - 존스 얼굴 탐지 알고리즘을 구현 중이며 하얼 기능 임계 값에 대해 혼란 스럽습니다. 다음을 사용하여 haar-feature의 임계 값을 계산합니다. 단계 :

a) 동일한 위치에 대한 모든 양 (얼굴) 이미지의 haar-feature 값을 계산합니다. b) MinToAvg = [] c) MinToAvg의 각 값에 대해 데이터 (양수 및 음수)를 분류하고 pos의 수를 가져옵니다. 이미지 (Pos.) 그것은 얼굴과 가양 성의 수 (FP)로 분류됩니다. d) Feature 값은 이 최대 인 (Pos-FP) 특정 기능에 대한 임계 값으로 간주됩니다.

각 증폭 단계마다 Haar 기능에 대한 임계 값은 반올림 단계마다 Viola-Jones 종이 변경에서 설명한 Haar 기능의 임계 값과 동일하게 유지됩니다.

내 질문 : 1) Haar 기능 임계 값 계산에 올바른 방법을 사용하고 있습니까? 2) 각 증폭 라운드 동안 임계 값을 변경해야합니까?

저는 파이썬을 사용하고 있습니다.

감사합니다.

Answer 1

@ Ramiro, user2766019 : 이전 댓글에서 의심의 여지가 있습니다. 트레이닝 가중치는 임계 값에 어떤 영향을 줍니까? 임계 값은 각 트레이닝 샘플의 특성 값을 사용하고 방정식에 의해 해당 특성 값의 각 오류를 계산하는 것으로 결정되지 않습니다 :

e = MIN ((S +) + (T-) - (S- (약함)의 임계 값은 잘못 분류 된 샘플의 가중치의 합으로서 오류를 계산하는 데 사용되는 약 분류 자 ​​(단일 피처)의 임계 값을 의미합니다. 내가 맞습니까? 아니면 어딘가에서 잘못 됐습니까? 고맙습니다.