Есть ли способ извлечь функции, соответствующие слабым ученикам, из алгоритма adaboost, реализованного в Opencv?
Я знаю, что adaboost объединяет набор слабых учеников на основе набора входных функций. Одни и те же характеристики измеряются для каждого образца в обучающей выборке. Обычно adaboost использует стадию принятия решения, устанавливает порог для каждой функции и выбирает стадию решения с минимальной ошибкой. Я хочу выяснить, какие особенности породили слабых учеников.
Спасибо.