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 as published
  13  *  by the Free Software Foundation, either version 3 of the License,
  14  *  or (at your option) any later version.
  15  *
  16  *  folded-ctf is distributed in the hope that it will be useful, but
  17  *  WITHOUT ANY WARRANTY; without even the implied warranty of
  18  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  19  *  General Public License for more details.
  20  *
  21  *  You should have received a copy of the GNU General Public License
  22  *  along with folded-ctf.  If not, see <http://www.gnu.org/licenses/>.
  23  *
  24  */
  25
  26 /*
  27
  28   A LossMachine provides all the methods necessary to do boosting with
  29   a certain loss. Note that only the LOSS_EXPONENTIAL has been really
  30   tested. Using the others may result in unexpected effects.
  31
  32  */
  33
  34 #ifndef LOSS_MACHINE_H
  35 #define LOSS_MACHINE_H
  36
  37 #include "misc.h"
  38 #include "sample_set.h"
  39
  40 class LossMachine {
  41   int _loss_type;
  42
  43 public:
  44   LossMachine(int loss_type);
  45
  46   void get_loss_derivatives(SampleSet *samples,
  47                             scalar_t *responses,
  48                             scalar_t *derivatives);
  49
  50   scalar_t loss(SampleSet *samples, scalar_t *responses);
  51
  52   scalar_t optimal_weight(SampleSet *sample_set,
  53                           scalar_t *weak_learner_responses,
  54                           scalar_t *current_responses);
  55
  56   /* This method returns in sample_nb_occurences[k] the number of time
  57      the example k was sampled, and in sample_responses[k] the
  58      consistent response so that the overall loss remains the same. If
  59      allow_duplicates is set to 1, all samples will have an identical
  60      response (i.e. weight), but some may have more than one
  61      occurence. On the contrary, if allow_duplicates is 0, samples
  62      will all have only one occurence (or zero) but the responses may
  63      vary to account for the multiple sampling. */
  64
  65   void subsample(int nb, scalar_t *labels, scalar_t *responses,
  66                  int nb_to_sample, int *sample_nb_occurences, scalar_t *sample_responses,
  67                  int allow_duplicates);
  68 };
  69
  70 #endif