To collect nonface patterns, I used

To collect nonface patterns, I used the “boostrap” strategy in
five iterations [2]. First, my system extracts 200 patterns per an
image from a set of false-alarm-causing image set which do not
contain faces. Because most of false alarms are come from trees,
characters, handwritings and fabrics, I used these kinds of
images as a false-alarm-causing image set. Some examples are
shown in Figure

ผลลัพธ์ (ไทย) 1:

รวบรวมรูปแบบ nonface ใช้กลยุทธ์ "boostrap" ใน5 ซ้ำ [2] ครั้งแรก ระบบของฉันแยกรูปแบบ 200 ต่อการภาพจากชุดของเท็จปลุกทำให้เกิดภาพชุดซึ่งไม่ประกอบด้วยใบหน้า เนื่องจากส่วนใหญ่สัญญาณเตือนไม่ได้มาจากต้นไม้อักขระ ฟอนต์ และผ้า ใช้ชนิดเหล่านี้ของรูปเป็นรูปที่เท็จปลุกก่อตั้ง ตัวอย่างเช่นแสดงในรูปที่

ผลลัพธ์ (ไทย) 2:

ในการเก็บรวบรวมรูปแบบ nonface ผมใช้ "boostrap"
กลยุทธ์ในการห้าซ้ำ[2] ครั้งแรกที่ระบบของฉันสารสกัดจาก 200
รูปแบบต่อภาพจากชุดของการเตือนภัยที่ก่อให้เกิดเท็จชุดภาพที่ไม่ได้มีใบหน้า
เพราะส่วนใหญ่จะมีการเตือนที่ผิดพลาดมาจากต้นไม้ตัวอักษร handwritings และผ้าผมใช้เหล่านี้ชนิดของภาพที่เป็นเท็จเตือนภัยที่ก่อให้เกิดภาพชุด ตัวอย่างบางส่วนจะถูกแสดงในรูปที่

ผลลัพธ์ (ไทย) 3:

เพื่อรวบรวมรูปแบบ nonface ผมใช้กลยุทธ์ " boostrap "
5 รอบ [ 2 ] แรกระบบสกัด 200 รูปแบบต่อ
ภาพจากชุดสัญญาณเตือนที่ผิดพลาด ก่อให้เกิดภาพชุดซึ่งไม่ได้
มีใบหน้า เพราะส่วนใหญ่ของเตือนที่ผิดพลาดมาจากต้นไม้
ตัวละคร handwritings และผ้า ฉันใช้เหล่านี้ชนิดของสัญญาณเตือนที่ผิดพลาด ก่อให้เกิด
ภาพเป็นชุดภาพ บางตัวอย่าง
แสดงในรูป