论文部分内容阅读
应用Hough森林进行目标检测,并对经典Hough森林存在的不足进行改进.借助Boosting算法的思想,学习图片块样本和目标对象样本的自适应权重分布,并分别优化用于构造随机树和Hough森林的代价损失函数;最后根据图片块样本的权重分布,提出了改进的类标志不确定性度量方法.基于Hough森林的代价损失函数,还提出了随机树权重的学习方法.实验结果表明,本文所建议的方法相比于其他方法具有更高的目标检测性能.