基于多类在线Boosting的图像识别算法  

Image Recognition Algorithm Based on Multiclass Online Boosting

作　　者：霍红文[1,2] 封举富[1,2] 

机构地区：[1]北京大学信息科学技术学院智能科学系,北京100871 [2]机器感知与智能教育部重点实验室(北京大学),北京100871

出　　处：《计算机辅助设计与图形学学报》2011年第7期1194-1199,共6页Journal of Computer-Aided Design & Computer Graphics

基　　金：国家"九七三"重点基础研究发展规划项目(2011CB302400);国家自然科学基金(60635030)

摘　　要：针对在线Boosting算法难以在多类图像识别中使用的问题,提出了一种基于错误纠正输出编码(ECOC)的多类在线Boosting算法.该算法在计算弱分类器的错误率时借鉴ECOC的思想,引入了一个类别标签映射函数;然后给出了在该映射函数下训练样本的权重及弱分类器的权重的计算与更新方法.通过在不同数据库上的对比实验,验证了文中算法是快速有效的,且具有较强的鲁棒性.Aiming at the difficulty of applying online Boosting to multiclass image recognition,a new online Boosting algorithm based on error-correcting output code（ECOC） is presented.In this algorithm,a function for class label mapping is used when calculating the error rates of weak classifiers.Furthermore,the method to update the weights of training samples and weak classifiers are both given.The experiment results on different database show this algorithm is accurate and robust.

关 键 词：图像识别 多类 在线Boosting 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]