Boosting

Boosting 原理其实蛮简单，核心是通过一轮轮的训练，不断调整弱分类器的权重，让模型的整体表现越来越好。你可以把它想象成一个团队合作，都贡献一点，最终合力达到了强大效果。具体到分类问题上，每次弱分类器的输出会影响下一次的训练结果，最终组合起来形成一个更强的分类器。其实它的训练过程有趣，像是在通过

本研究扩展了Rainer Lienhart于2002年提出的检测级联方法，纳入了倾斜特征的定义。此后，该方法被拓展至全旋转缩放情况下的人脸检测。