Bonjour,
 
Je cherche à comprendre le principe des "classifiers faibles" qui vont me permettre de détecter un objet. Je me suis documentée sur la méthode Viola et Jones et j'ai quelques incompréhensions que j'aimerai éclaircir avec vous.
 
Je prendrai un cas "simple", la détection de visage en obtenant qu'une seule caractéristique. Avec une "tache" d'une taille de 24*24px contenant deux zones rectangulaires adjacentes, la première en blanc et la deuxième en noire, je vais balayer l'image (ou il y a le visage) avec ma tache en me décalant d'un pixel à la fois. A chaque décalage je fais la différence entre la partie blanche et la partie noire. Une fois le balayage terminé, je recommence l'opération en multipliant ma tache *1.25 et je recommence l'opération jusqu'à ce que ma tache fasse la taille de l'image. Puis je recommence avec une autre image contenant un visage...
 
j'en fais quoi du résultat de la soustraction je met ca dans un tableau ? et en quoi tout ces resultats (soustractions) vont me permettre de détecter un visage, car faire la soustraction me permet d'avoir un gradiant mais je vois pas en quoi ca va m'aider ? Ensuite j'ai souvent lu qu'on fait la meme opération mais avec des images ou il n' y a pas de visage, quel est l'interet car je veux justement repérer les visages?
 
voila, j'espere que quelqu'un aura les réponses, merci d'avance pour vos remarques

Sujet intéressant mais je dois avouer que je n'ai pas compris non plus comment ça marche cet algo Ca m'intrigue.

Je connaissais pas cet algo mais la page wikipedia explique plutôt bien le principe de la méthode.  
 
Pour bien la comprendre il faut un minimum de connaissances en apprentissage supervisé, bien connaitre les principes, et j'ai pas l'impression que ce soit ton cas étant donné la question que tu poses
 

 
Pour faire simple, l'algo d'apprentissage supervisé a besoin d'exemples des 2 cas (présence de visages ou pas) pour "apprendre".