JamesWang's study notes

1. Adaboost方法的引入 1.1 Boosting方法的提出和发展         在了解Adaboost方法之前，先了解一下Boosting方法。         回答一个是与否的问题，随机猜测可以获得50%的正确率。如果一种方法能获得比随机猜测稍微高一点的正确率，则就可以称该得到这个方法的过程为弱学习；如果一个方法可以显著提高猜测的正确率，则称获取该方法的过程为强学习

综合 http://www.cnblogs.com/dylantsou/archive/2012/08/11/2633483.html 和 http://zhidao.baidu.com/link?url=c3oQDIpI2De8z9oXApLl50Wpgev8FnwrwlVsdOqp5wAKwHAZDT9FvbikwakXJgtApJZFZRMNJ1UP5nWH_9WiNa Haar

转自：http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html 由于工作需要，我开始研究人脸检测部分的算法，这期间断断续续地学习Haar分类器的训练以及检测过程，在这里根据各种论文、网络资源的查阅和对代码的理解做一个简单的总结。我试图概括性的给出算法的起源、全貌以及细节的来龙去脉，但是水平有限，只能解其大概，希望对初学者起到帮助，