随机森林的训练过程:
1:随机的选择一部分样本,按照一定的比例选择样本;
2:训练一棵树的时候,随机的选择一部分特征,训练一个节点,之后把样本分为左右两颗子树;
3:继续在左子树训练样本,随机的选择特征;
4:继续在右子树训练样本,随机的选择特征;
5:训练出来一个节点,继续循环2~5步骤得到一棵树;循环1~5步骤得到一个随机森林:
LBF算法的训练过程:
LBF的每一棵树的叶子节点的输出都是偏移量;偏移量经过线性回归得到权重的矩阵
1:特征选择:采用的二值特征,每一个关键点的周围随机的二值特征;
2:所有的形状求出均值形状, 均值形状都是以中心点为坐标原点的坐标;随机的生成一些形状,作为当前形状,然后求出当前形状和真实形状之间的残差;
3:然后计算当前形状到均值形状的相似变换的旋转系数和缩放系数;
4:然后残差乘以相似变换的系数得到一个新的残差,然后这个残差作为目标,可以训练一个随机森林;
5::然后用随机森林分类一个样本,提取样本的二值特征,送入到随机森林中,根据树叶的位置,得到二进制的编码,得到68个关键点的编码;
6:使用全局回归得到权重,目标就是残差,残差是真实形状和当前形状的残差,相减得到的!