loss_machine.h

   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 /*
  26
  27   A LossMachine provides all the methods necessary to do boosting with
  28   a certain loss. Note that only the LOSS_EXPONENTIAL has been really
  29   tested. Using the others may result in unexpected effects.
  30
  31  */
  32
  33 #ifndef LOSS_MACHINE_H
  34 #define LOSS_MACHINE_H
  35
  36 #include "misc.h"
  37 #include "sample_set.h"
  38
  39 class LossMachine {
  40   int _loss_type;
  41
  42 public:
  43   LossMachine(int loss_type);
  44
  45   void get_loss_derivatives(SampleSet *samples,
  46                             scalar_t *responses,
  47                             scalar_t *derivatives);
  48
  49   scalar_t loss(SampleSet *samples, scalar_t *responses);
  50
  51   scalar_t optimal_weight(SampleSet *sample_set,
  52                           scalar_t *weak_learner_responses,
  53                           scalar_t *current_responses);
  54
  55   /* This method returns in sample_nb_occurences[k] the number of time
  56      the example k was sampled, and in sample_responses[k] the
  57      consistent response so that the overall loss remains the same. If
  58      allow_duplicates is set to 1, all samples will have an identical
  59      response (i.e. weight), but some may have more than one
  60      occurence. On the contrary, if allow_duplicates is 0, samples
  61      will all have only one occurence (or zero) but the responses may
  62      vary to account for the multiple sampling. */
  63
  64   void subsample(int nb, scalar_t *labels, scalar_t *responses,
  65                  int nb_to_sample, int *sample_nb_occurences, scalar_t *sample_responses,
  66                  int allow_duplicates);
  67 };
  68
  69 #endif