face detection research confronts t

face detection research confronts the full range of challenges found in general purpose, object class recognition. However, the class of faces also has very apparent regularities that are exploited by many heuristic or model-based methods or are readily “learned” in data-driven methods. One expects some regularities when defining classes in general, but they may not be so apparent. Finally, though faces have tremendous within-class variability, face detection remains a two class recognition problem (face versus nonface).

ผลลัพธ์ (ไทย) 1:

การวิจัยการตรวจหาใบหน้า confronts เต็มรูปแบบของความท้าทายที่พบในการใช้งานทั่วไปรับรู้คลาสของวัตถุ แต่ชั้นของใบหน้ายังมีแบบแผนชัดเจนมากที่จะใช้ประโยชน์จากการแก้ปัญหาหลายรูปแบบหรือวิธีการที่ใช้หรือมีความพร้อมที่จะ "เรียนรู้" ในวิธีการที่ขับเคลื่อนด้วยข้อมูล หนึ่งคาดว่าจะมีแบบแผนบางอย่างเมื่อกำหนดในชั้นเรียนทั่วไป แต่พวกเขาอาจจะไม่ชัดเจนดังนั้น ในที่สุด,แม้ว่าใบหน้าได้อย่างมากภายในระดับความแปรปรวนตรวจจับใบหน้ายังคงเป็นปัญหาที่ได้รับการยอมรับสองชั้น (เทียบกับใบหน้า nonface).

ผลลัพธ์ (ไทย) 2:

วิจัยตรวจหาใบหน้ากับความความท้าทายที่พบโดยทั่วไปวัตถุประสงค์ วัตถุชั้นรู้นาน อย่างไรก็ตาม ชั้นหน้ายังได้ regularities มากชัดเจนที่สามารถมาก heuristic หรือวิธีตามรูปแบบ หรือจะพร้อม "เรียน" วิธีการปรับปรุงข้อมูล หนึ่งคาดว่า regularities บางเมื่อกำหนดชั้นเรียนทั่วไป แต่พวกเขาอาจไม่ชัดดังนั้น สุดท้าย แม้ว่าใบหน้ามีความแปรผันอย่างมากภายในคลาส ตรวจจับใบหน้ายังคงเป็น ปัญหารู้ชั้น 2 (หน้าเทียบกับ nonface) .

ผลลัพธ์ (ไทย) 3:

การวิจัยการตรวจจับใบหน้าเผชิญหน้ากับความหลากหลายที่ครบครันของพบการท้าทายในการจดจำ Class วัตถุทั่วไป แต่ถึงอย่างไรก็ตาม class ของใบหน้ายังมี regularities อย่างชัดเจนเป็นอย่างมากที่จะนำมาตักตวงผลประโยชน์โดยวิธีใดวิธีหนึ่งรุ่น - based หรือเ้กิดจำนวนมากหรือได้อย่าง"เรียนรู้"ในวิธีใดวิธีหนึ่งข้อมูล หนึ่งคาดว่า regularities บางอย่างเมื่อกำหนดชั้นเรียนโดยทั่วไปแต่ก็อาจจะไม่ได้เห็นอย่างชัดเจนดังนั้น ในที่สุดแม้ว่าจะหันหน้าเข้าหามีได้มากขึ้น ภายใน - class การตรวจจับใบหน้าจะยังคงอยู่สอง class การจดจำปัญหา(หน้าเมื่อเทียบกับ nonface )..