adaboost算法示例

学习一个算法最好还是有示例来的比较快，对照代码和示例，很快。之前看Viola的算法流程图，搞不清楚weak classifier 是怎么来的，原来在04年的paper上才有详述，白浪费了时间了，还好在这期间看了一个adaboost的tutorial，结合Cuneyt Mertayak的代码，果然很容易就明白了，昨天和今天看了Viola的两篇paper，加上中文的几篇，加上请教师兄，总算对Robust Real-time Face Detection 搞了个明白，准备结合程序来看。

首先就是直观的理解adaboost，理论的东西就不讨论了，就是weak classifiers 可以组合成 strong classifer。具体算法流程就是，首先所有samples的权重相同(也有根据正负类的个数不同，权重不同的调整)对每个feature，寻找这个feature对应的分类器，来分类，由于是只用了一个feature，所以分类效果不好，当然只要分类错误小于50%就OK，遍历所有的feature，找到一个分类错误最小的feature以及对应的阈值theta，对分类错误的samples加权，即这些很错的samples很重要，比其他的重要。接着对这些权重不一的samples再分类，继续上面的过程直到T次，这个T就是最后弱分类器的个数。Viola的paper里面也说了阈值和最后的detection rate以及false positive有关系，但是具体有什么关系说不清楚。
附上网上找到的Cuneyt Mertayak的adaboost的代码（就不上传了，大家可以google）以及图形化说明。