boosted_classifier.cc

   1 /*
   2  *  folded-ctf is an implementation of the folded hierarchy of
   3  *  classifiers for object detection, developed by Francois Fleuret
   4  *  and Donald Geman.
   5  *
   6  *  Copyright (c) 2008 Idiap Research Institute, http://www.idiap.ch/
   7  *  Written by Francois Fleuret <francois.fleuret@idiap.ch>
   8  *
   9  *  This file is part of folded-ctf.
  10  *
  11  *  folded-ctf is free software: you can redistribute it and/or modify
  12  *  it under the terms of the GNU General Public License version 3 as
  13  *  published by the Free Software Foundation.
  14  *
  15  *  folded-ctf is distributed in the hope that it will be useful, but
  16  *  WITHOUT ANY WARRANTY; without even the implied warranty of
  17  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  18  *  General Public License for more details.
  19  *
  20  *  You should have received a copy of the GNU General Public License
  21  *  along with folded-ctf.  If not, see <http://www.gnu.org/licenses/>.
  22  *
  23  */
  24
  25 #include "classifier_reader.h"
  26 #include "fusion_sort.h"
  27
  28 #include "boosted_classifier.h"
  29 #include "tools.h"
  30
  31 BoostedClassifier::BoostedClassifier(int nb_weak_learners) {
  32   _nb_weak_learners = nb_weak_learners;
  33   _weak_learners = 0;
  34 }
  35
  36 BoostedClassifier::BoostedClassifier() {
  37   _nb_weak_learners = 0;
  38   _weak_learners = 0;
  39 }
  40
  41 BoostedClassifier::~BoostedClassifier() {
  42   if(_weak_learners) {
  43     for(int w = 0; w < _nb_weak_learners; w++)
  44       delete _weak_learners[w];
  45     delete[] _weak_learners;
  46   }
  47 }
  48
  49 scalar_t BoostedClassifier::response(SampleSet *sample_set, int n_sample) {
  50   scalar_t r = 0;
  51   for(int w = 0; w < _nb_weak_learners; w++) {
  52     r += _weak_learners[w]->response(sample_set, n_sample);
  53     ASSERT(!isnan(r));
  54   }
  55   return r;
  56 }
  57
  58 void BoostedClassifier::train(LossMachine *loss_machine,
  59                               SampleSet *sample_set, scalar_t *train_responses) {
  60
  61   if(_weak_learners) {
  62     cerr << "Can not re-train a BoostedClassifier" << endl;
  63     exit(1);
  64   }
  65
  66   int nb_pos = 0, nb_neg = 0;
  67
  68   for(int s = 0; s < sample_set->nb_samples(); s++) {
  69     if(sample_set->label(s) > 0) nb_pos++;
  70     else if(sample_set->label(s) < 0) nb_neg++;
  71   }
  72
  73   _weak_learners = new DecisionTree *[_nb_weak_learners];
  74
  75   (*global.log_stream) << "With " << nb_pos << " positive and " << nb_neg << " negative samples." << endl;
  76
  77   for(int w = 0; w  < _nb_weak_learners; w++) {
  78
  79     _weak_learners[w] = new DecisionTree();
  80     _weak_learners[w]->train(loss_machine, sample_set, train_responses);
  81
  82     for(int n = 0; n < sample_set->nb_samples(); n++)
  83       train_responses[n] += _weak_learners[w]->response(sample_set, n);
  84
  85     (*global.log_stream) << "Weak learner " << w
  86          << " depth " << _weak_learners[w]->depth()
  87          << " nb_leaves " << _weak_learners[w]->nb_leaves()
  88          << " train loss " << loss_machine->loss(sample_set, train_responses)
  89          << endl;
  90
  91   }
  92
  93   (*global.log_stream) << "Built a classifier with " << _nb_weak_learners << " weak_learners." << endl;
  94 }
  95
  96 void BoostedClassifier::tag_used_features(bool *used) {
  97   for(int w = 0; w < _nb_weak_learners; w++)
  98     _weak_learners[w]->tag_used_features(used);
  99 }
 100
 101 void BoostedClassifier::re_index_features(int *new_indexes) {
 102   for(int w = 0; w < _nb_weak_learners; w++)
 103     _weak_learners[w]->re_index_features(new_indexes);
 104 }
 105
 106 void BoostedClassifier::read(istream *is) {
 107   if(_weak_learners) {
 108     cerr << "Can not read over an existing BoostedClassifier" << endl;
 109     exit(1);
 110   }
 111
 112   read_var(is, &_nb_weak_learners);
 113   _weak_learners = new DecisionTree *[_nb_weak_learners];
 114   for(int w = 0; w < _nb_weak_learners; w++) {
 115     _weak_learners[w] = new DecisionTree();
 116     _weak_learners[w]->read(is);
 117     (*global.log_stream) << "Read tree " << w << " of depth "
 118                          << _weak_learners[w]->depth() << " with "
 119                          << _weak_learners[w]->nb_leaves() << " leaves." << endl;
 120   }
 121
 122   (*global.log_stream)
 123     << "Read BoostedClassifier containing " << _nb_weak_learners << " weak learners." << endl;
 124 }
 125
 126 void BoostedClassifier::write(ostream *os) {
 127   unsigned int id;
 128   id = CLASSIFIER_BOOSTED;
 129   write_var(os, &id);
 130
 131   write_var(os, &_nb_weak_learners);
 132   for(int w = 0; w < _nb_weak_learners; w++)
 133     _weak_learners[w]->write(os);
 134 }