Resumen

Presentamos un algoritmo Adaboost modificado en la detección de rostros, cuyo objetivo es un algoritmo preciso para reducir las tasas de detección de falsos positivos. Construimos un nuevo sistema de ponderación Adaboost que considera el error total de los clasificadores débiles y la probabilidad de clasificación. La probabilidad se determinó computando los errores de clasificación positivos y negativos de cada clasificador débil. El nuevo sistema de ponderación otorga mayores pesos a los clasificadores débiles con las mejores clasificaciones positivas, lo que reduce los falsos positivos durante la detección. Los resultados experimentales revelan que el Adaboost original y el método propuesto tienen rendimientos comparables en la tasa de detección de rostros, y los resultados de falsos positivos se redujeron casi cuatro veces utilizando el método propuesto.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Algoritmo adaboost modificado; detección de rostros; tasas de detección de falsos positivos; sistema de ponderación adaboost; clasificadores débiles; probabilidad de clasificación.
• Keywords:Modified adaboost algorithm; face detection; false-positive detection rates; adaboost weighting system; weak classifiers; classification probability