一种基于分布式计算的Adaboost训练算法

摘要

Adaboost方法是一种可以将弱学习转化为强学习的方法,从理论上讲,只要有足够多的样本,足够多的特征,训练足够充分,adaboost训练出来的分类器的错误率可以无限趋于零的.但是,正因为如此,当样本数目比较多,特征数目也很多时,adaboost训练算法存在训练时间太长的问题.同时,在检测人脸过程中,由于大多数的检测算法采用穷举方式,当原始图片过大时,也存在检测时间长的问题.首先将分布式计算引入adaboost训练算法当中,以提高训练速度;同时,对检测算法加以改进,用前一次检测中通过的强分类器数目来动态决定下一次的移动步长,从而提高了检测速度.