72、机器学习与目标检测技术详解

机器学习与目标检测技术详解

1. 机器学习方法概述

在机器学习领域，有多种分类和学习方法可供选择，这些方法各有特点，适用于不同的场景。
- 决策函数与支持向量机（SVM） ：在二分类问题中，可能只有一个决策函数，此时 $i = 0$。而在 $N$ 类分类问题中，会有 $N (N - 1)/2$ 个决策函数，即 $0\leq i<N (N - 1)/2$。SVM 方法会返回特定函数中使用的支持向量的系数、支持向量的索引（在 cv::ml::SVM::getSupportVectors() 返回的矩阵内）以及值 $b$，$b$ 在决策前会加到加权和中。除了训练和预测方法， cv::ml::SVM 还支持常见的 save() 、 load() 和 clear() 方法。
- 分类器与学习技术 ： cv::ml::StatModel 是一种标准的基于对象的接口，用于封装现代学习方法。通过它可以处理训练数据，并在学习训练数据后从模型进行预测。以下是一些常见的学习技术：
- 朴素贝叶斯分类器 ：假设所有特征相互独立，在多类判别学习中非常有用。
- 二元决策树 ：使用杂质度量，在构建树时尽量最小化该度量。它对多类学习也很有用，并且可以为不同类别的错误分类分配不同的权重。
- 提升和随机树 ：内