在 Adaboost haar 特征的机器学习中，怎么样降低参与训练的 haar 特征数量
1. 把全局搜索替换为遗传算法的搜索；2. 评估的时候先随机选100个样本，得到评分，去掉50%得分最低的特征，提高样本数量，直到覆盖所有；这两个方法都可以从这篇文章中找到对应的描述：High-performance rotation invariant multiview face detection, C Huang, H Ai, Y Li
■网友
这个比较简单，haar特征共五类，每类的每个特征包含多个矩形，每个矩形包括宽度，高度，位置（左上角横坐标和纵坐标）共四个参数，在设计特征时，没必要上述的四个参数都遍历去取，只要对位置，高度，宽度按照一定步长取就行了，比如横坐标纵坐标信息按照步长2取，高度和宽度也按照2去取，数量就差不多降低到原来的1/16了，差不多已经满足你的需求了。当然，这样由于候选弱分类器变少了，效果会略有下降，可以根据实际物理意义去调一下上述参数。
■网友
相信你是在纠结训练时间问题。你可以在weak classifier阶段加入筛选，用每一个特征来对训练样本进行判定，设定一个正确率阈值或者是取判断正确率最高的前N个，再使用这部分特征参与cascade adabboost训练，这样会加快很多。
推荐阅读
- 图像特征提取时，灰度共生矩阵的方向是咋确定的
- 单特征AUC是咋计算的
- 《黑暗之魂3》捏脸是怎样做到取消各个特征的相关性的
- 关于图片里的文本识别，哪些特征相对有效
- 睡眠|健康“亮红灯”的人，睡觉时常有4个特征，占一个，也要重视起来
- 后发制人|是“大长腿”标志，藏着后发制人的身高潜力孩子腿部的这个特征
- 淋巴结|体内有癌，脖子先知，脖子若出现一个特征，癌症可能已经是中晚期
- 高个|长大后多半是“大高个”，你家娃符合吗腿部有这几个特征的孩子
- |严防！疫情传播又有新特征
- 癌细胞|身体出现5个特征表现，癌细胞或已“藏在”体内，需重视