NHÓM TRÍ TUỆ NHÂN TẠO

Đề Tài : Tìm hiểu về adaboost và áp dụng vào

phát hiện khuôn mặt

Các thành viên:

Võ Minh Hiếu 2080600328
Võ Nhật Hào 2080600300
Nguyễn Nhật Song Hào 2080600296

GV hướng dẫn: TS. Nguyễn Thị Hải Bình

 Phát biểu bài toán

Mô tả:
+ Nhận hình ảnh/video nguồn
+ Kiểm tra nguồn có hay không có khuôn mặt
+ Phân tích khuôn mặt và chuyển hóa thành dữ liệu số

Input: Đưa hình ảnh/video vào

Output: Xuất ra vị trí và kích thước khuôn mặt
 AdaBoost tên đầy đủ là Adaptive Boosting, là thuật toán thuộc nhánh
Boosting trong Ensemble Learning. AdaBoost là thuật toán Boosting được
phát triển cho phân lớp nhị phân và là thuật toán đầu tiên thực sự thành công.
AdaBoost được sử dụng với các cây quyết định cấp 1, những cây này còn
được gọi là gốc quyết định.
Kỹ thuật này được thực hiện thông qua việc xây dựng một mô hình từ dữ
liệu huấn luyện, sau đó các mô hình tiếp theo được tạo, cố gắng sửa các lỗi từ
mô hình đầu tiên.
 Thuật toán này sẽ xây dựng một mô hình và đưa ra các trọng số bằng nhau
cho tất cả các điểm dữ liệu. Sau đó, nó sẽ gán trọng số cao hơn cho các điểm
được phân loại sai. Khi tất cả các điểm đã được gán trọng số thì các điểm có
trọng số cao sẽ được chú trọng giải quyết trong mô hình tiếp theo. Từ đó sẽ dần
làm giảm các điểm bị phân loại sai, giúp tăng hiệu suất mô hình
 AdaBoost xây dựng thuật toán để giải quyết bài toán tối ưu sau:
minc(n)=1/N, w(n)=1/NL(y,)
Trong đó:
o L: giá trị loss fuction
o y: label
o cn: confidence score của weak learner thứ n (trọng số)
o wn: weak learner thứ n
Các bước triển khai thuật toán:
• Khởi tạo Weight ban đầu bằng nhau (bằng 1/N) cho mỗi điểm dữ liệu
• Tại vòng lặp thứ i
o Train model wi (weak learner) mới được thêm vào
o Tính toán giá trị loss (error), từ đó tính toảna giá trị confidence score ci của
model vừa train.
o Cập nhật model chính W = W + ci * wi
o Cuối cùng đánh lại trọng số cho các diểm dữ liệu (Các điểm dữ liệu bị đoán sai
 tăng trọng số, các điểm dự đoán đúng  giảm trọng số)
• Sau đó lặp lại với vòng lặp thêm model tiếp theo i + 1
Bài toán phân lớp

 Bài toán phân lớp là quá trình phân lớp 1 đối tượng dữ liệu vào 1
hay nhiều lớp đã cho trước nhờ 1 mô hình phân lớp.
• Mô hình này được xây dựng dựa trên 1 tập dữ liệu được xây dựng
trước đó có gán nhãn.
• Quá trình phân lớp là quá trình gán nhãn cho đối tượng dữ liệu.
 Bài toán phân lớp (classification) là bài toán lớn trong lĩnh vực
Machine Learnig (ML).
Ví dụ: