Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях

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, что позволяет сд...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2009
Автор: Мурыгин, К.В.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2009
Теми:
Распознавание образов. Цифровая обработка сигналов
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
id nasplib_isofts_kiev_ua-123456789-8113
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
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях
spellingShingle Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях
Мурыгин, К.В.
Распознавание образов. Цифровая обработка сигналов
title_short Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях
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_sort особенности реализации алгоритма adaboost для обнаружения объектов на изображениях
author Мурыгин, К.В.
author_facet Мурыгин, К.В.
topic Распознавание образов. Цифровая обработка сигналов
topic_facet Распознавание образов. Цифровая обработка сигналов
publishDate 2009
language Russian
publisher Інститут проблем штучного інтелекту МОН України та НАН України
format Article
title_alt Особливості реалізації алгоритму AdaBoost для виявлення об’єктів на зображеннях
The Features of Algorithm AdaBoost Implementation for Objects Detection on the Images
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.
issn 1561-5359
url https://nasplib.isofts.kiev.ua/handle/123456789/8113
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.
work_keys_str_mv AT muryginkv osobennostirealizaciialgoritmaadaboostdlâobnaruženiâobʺektovnaizobraženiâh
AT muryginkv osoblivostírealízacííalgoritmuadaboostdlâviâvlennâobêktívnazobražennâh
AT muryginkv thefeaturesofalgorithmadaboostimplementationforobjectsdetectionontheimages
first_indexed 2025-12-01T08:33:16Z
last_indexed 2025-12-01T08:33:16Z
_version_ 1850859676949807104

Схожі ресурси