HAAR CASCADE LÀ GÌ

  -  

Mở bài

Sau lúc bản thân hiểu bài bác này của công ty Sơn team bản thân về Đánh Giá điểm khuôn khía cạnh, mang đến đoạn bắt xem vùng như thế nào đựng khuôn phương diện bên trên hình họa, thì bản thân chợt nhận thấy là bản thân lưỡng lự gì về đặc điểm này cả

*

hoặc đặc trưng ở gọn gàng vào trung trọng điểm một vùng như ví dụ 3.

Bạn đang xem: Haar cascade là gì

vào ảnh dưới đây:

*

Tuy nhiên, phương pháp áp dụng các cỗ thanh lọc này khác một chút so với các cửa sổ cỗ thanh lọc bên CNN. Ở CNN, cỗ thanh lọc chiếm toàn cục hành lang cửa số tđuổi, trong lúc ở đặc trưng Haar, cỗ lọc chỉ chiếm khoảng 1 phần trong cửa sổ tđuổi thôi. Điều này được minch hoạ trên hình họa sau:

*

Trong hình trên, hành lang cửa số trượt được đặt ngay nđính vừa gọn gàng để xem được toàn tập hình ảnh. Các bạn có thể nhận ra rằng bộ thanh lọc đầu trong những số đó đang search một "cạnh" ngăn cách thân mắt/lông mày cùng với mũi, vị ở phần gọi tất cả chênh lệch về màu xứng đáng kể; và nghỉ ngơi bộ thanh lọc sau, mô hình đã tìm mặt đường sống mũi, vày nghỉ ngơi kia sẽ sở hữu sáng màu hơn so với 2 bên (do nó cao hơn nữa dễ dàng bắt sáng). Và nhỏng đang nói trên, cỗ lọc Haar chỉ quan sát rõ ràng vào một vùng vào hành lang cửa số nhằm search thôi: vào khuôn phương diện thì mũi dịp nào thì cũng ngơi nghỉ vị trí trung tâm chứ không hề sống các góc, phải không cần nhìn những góc để triển khai gì cả.

Để tăng speed tính toán Lúc tính các bộ thanh lọc trên, họ thường xuyên sử dụng integral image. Mục này chúng ta cũng có thể đọc thêm vào bài viết này của Hải Hà Chan để hiểu biết thêm chi tiết nhé.

Xem thêm: Những St Tốt Nhất Fifa Online 3 Được Sử Dụng Phổ Biến Hiện Nay

Làm sao mà hiểu rằng bộ thanh lọc Haar làm sao tốt? Nhìn loại như thế nào cũng như nhau...

Xem thêm: Hải Bình - Cấu Hình Tối Thiểu Chơi Bns

Đúng vậy, chúng ta bao gồm trung bình 160k+ những bộ lọc những điều đó cơ! Tuy nhiên, chúng ta có thể thực hiện Adaboost (adaptive sầu boosting) nhằm phối kết hợp những bộ lọc bên trên như sau:

*

Hình ảnh bên trên là minc hoạ của quá trình boosting: khi chúng ta có những classifier yếu ớt khác nhau, phối hợp chúng để tạo ra thành một classifier mạnh dạn. Việc kết hợp nlỗi chúng ta thấy khá đơn giản dễ dàng, chỉ với các kân hận xúc tích và ngắn gọn AND/OR nhờ vào vào kết quả được chỉ dẫn. Câu vấn đáp là một trong lớp perceptron 1-1 giản! Một tổng hợp con đường tính dễ dàng và đơn giản đang hoàn toàn có thể tính được phối kết hợp các cổng đầu ra đưa ra quyết định trên, chúng ta có thể xem thêm làm việc mục quanh đó lề này vào bài về linear classifier tôi đã viết.

Vậy sẽ là boosting rồi, còn adaptive sầu nghỉ ngơi đấy là gì? Tại boosting thường xuyên thì các classifier yếu đuối bên trên có ngôn ngữ tương đương, đồng đẳng với dân chủ; tuy vậy sau khi qua Adaboost, cơ mà classifier khôn hơn thì ngôn ngữ sẽ sở hữu được trọng lượng cao hơn nữa. Sau đấy là một hình hình họa minc hoạ khác để giúp các bạn dễ dàng tưởng tượng hơn chút: