Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях
В статье рассматриваются особенности реализации алгоритма AdaBoost для решения проблемы построения
 каскада классификаторов для эффективного обнаружения объектов на изображениях. В качестве элементар-
 ных классификаторов предлагается использовать прямоугольные логические свойства, ч...
Збережено в:
| Дата: | 2009 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/8113 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях / К.В. Мурыгин // Штучний інтелект. — 2009. — № 3. — С. 573-581. — Бібліогр.: 7 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862643715998220288 |
|---|---|
| author | Мурыгин, К.В. |
| author_facet | Мурыгин, К.В. |
| citation_txt | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях / К.В. Мурыгин // Штучний інтелект. — 2009. — № 3. — С. 573-581. — Бібліогр.: 7 назв. — рос. |
| collection | DSpace DC |
| description | В статье рассматриваются особенности реализации алгоритма AdaBoost для решения проблемы построения
каскада классификаторов для эффективного обнаружения объектов на изображениях. В качестве элементар-
ных классификаторов предлагается использовать прямоугольные логические свойства, что позволяет
сделать независимым результат распознавания от монотонно возрастающих преобразований яркости
изображений, не изменяющих их классовую принадлежность. Полученный в результате обучения каскад из
4 классификаторов позволяет решать задачу поиска на изображениях областей лиц в видеопотоке с
параметрами 30 кадров размером 640×480 пикселей в секунду.
У статті розглядаються особливості реалізації алгоритму AdaBoost для вирішення проблеми побудови
каскаду класифікаторів для ефективного виявлення об’єктів на зображеннях. Як елементарні класифікатори
пропонується використовувати прямокутні логічні властивості, що дозволяє зробити незалежним результат
розпізнавання від монотонно зростаючих перетворень яскравості зображень, що не змінюють їх класову
приналежність. Отриманий у результаті навчання каскад з 4 класифікаторів дозволяє вирішувати задачу
пошуку на зображеннях областей облич у відеопотоці з параметрами 30 кадрів розміром 640×480 пікселів за
секунду.
In article features of implementation of AdaBoost algorithm for solution a problem of construction of the classifiers
cascade for effective detection of objects on images are considered. As elementary classifiers it is offered to use
rectangular logical properties that allow to make independent a result of recognition from monotonously increasing
conversions of brightness of the images which don’t change their class association. The cascade received as a result of
training process 4 classifiers which allows to solve the search task of face areas in a videostream with parameters of
30 frames of the size 640×480 pixels per second.
|
| first_indexed | 2025-12-01T08:33:16Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-8113 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-01T08:33:16Z |
| publishDate | 2009 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Мурыгин, К.В. 2010-04-30T15:01:18Z 2010-04-30T15:01:18Z 2009 Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях / К.В. Мурыгин // Штучний інтелект. — 2009. — № 3. — С. 573-581. — Бібліогр.: 7 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8113 004.89,004.93 В статье рассматриваются особенности реализации алгоритма AdaBoost для решения проблемы построения
 каскада классификаторов для эффективного обнаружения объектов на изображениях. В качестве элементар-
 ных классификаторов предлагается использовать прямоугольные логические свойства, что позволяет
 сделать независимым результат распознавания от монотонно возрастающих преобразований яркости
 изображений, не изменяющих их классовую принадлежность. Полученный в результате обучения каскад из
 4 классификаторов позволяет решать задачу поиска на изображениях областей лиц в видеопотоке с
 параметрами 30 кадров размером 640×480 пикселей в секунду. У статті розглядаються особливості реалізації алгоритму AdaBoost для вирішення проблеми побудови
 каскаду класифікаторів для ефективного виявлення об’єктів на зображеннях. Як елементарні класифікатори
 пропонується використовувати прямокутні логічні властивості, що дозволяє зробити незалежним результат
 розпізнавання від монотонно зростаючих перетворень яскравості зображень, що не змінюють їх класову
 приналежність. Отриманий у результаті навчання каскад з 4 класифікаторів дозволяє вирішувати задачу
 пошуку на зображеннях областей облич у відеопотоці з параметрами 30 кадрів розміром 640×480 пікселів за
 секунду. In article features of implementation of AdaBoost algorithm for solution a problem of construction of the classifiers
 cascade for effective detection of objects on images are considered. As elementary classifiers it is offered to use
 rectangular logical properties that allow to make independent a result of recognition from monotonously increasing
 conversions of brightness of the images which don’t change their class association. The cascade received as a result of
 training process 4 classifiers which allows to solve the search task of face areas in a videostream with parameters of
 30 frames of the size 640×480 pixels per second. ru Інститут проблем штучного інтелекту МОН України та НАН України Распознавание образов. Цифровая обработка сигналов Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях Особливості реалізації алгоритму AdaBoost для виявлення об’єктів на зображеннях The Features of Algorithm AdaBoost Implementation for Objects Detection on the Images Article published earlier |
| spellingShingle | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях Мурыгин, К.В. Распознавание образов. Цифровая обработка сигналов |
| title | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях |
| title_alt | Особливості реалізації алгоритму AdaBoost для виявлення об’єктів на зображеннях The Features of Algorithm AdaBoost Implementation for Objects Detection on the Images |
| title_full | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях |
| title_fullStr | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях |
| title_full_unstemmed | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях |
| title_short | Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях |
| title_sort | особенности реализации алгоритма adaboost для обнаружения объектов на изображениях |
| topic | Распознавание образов. Цифровая обработка сигналов |
| topic_facet | Распознавание образов. Цифровая обработка сигналов |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/8113 |
| work_keys_str_mv | AT muryginkv osobennostirealizaciialgoritmaadaboostdlâobnaruženiâobʺektovnaizobraženiâh AT muryginkv osoblivostírealízacííalgoritmuadaboostdlâviâvlennâobêktívnazobražennâh AT muryginkv thefeaturesofalgorithmadaboostimplementationforobjectsdetectionontheimages |