Traditionally, the rectangles of a

Traditionally, the rectangles of a Haar-like feature with two rectangles
are assigned default weights of 1 and −1. This yields a projection
line that is parallel to the vector 1 − 2. To train a weak
classifier as in (3), a scalar value is found such that object and
clutter points are best separated. As shown in Fig. 5(b), divides
the SRFS into two regions; the object region, coded white, and the
clutter region, coded black.
Fi

ผลลัพธ์ (ไทย) 1:

ประเพณี สี่เหลี่ยมของคุณลักษณะ Haar เหมือนกับสี่เหลี่ยมสองมีกำหนดน้ำหนักเริ่มต้น 1 และ −1 นี้ทำให้การฉายภาพบรรทัดที่ขนานไปยังเวกเตอร์ 1 − 2 การฝึกอ่อนแอclassifier ใน (3), ค่าสเกลาพบเช่นวัตถุ และส่วนจะแยกคะแนนความไม่เป็นระเบียบ แบ่งตามที่แสดงใน Fig. 5(b)SRFS เป็นภูมิภาคที่สอง ภูมิภาควัตถุ สีขาวรหัส และภูมิภาคที่ความไม่เป็นระเบียบ สีดำรหัสไร้สาย

ผลลัพธ์ (ไทย) 2:

ตามเนื้อผ้าสี่เหลี่ยมของคุณลักษณะ Haar
เช่นเดียวกับสองสี่เหลี่ยมที่ได้รับมอบหมายน้ำหนักเริ่มต้นที่1 และ -1 ซึ่งช่วยทำให้การฉายเส้นที่ขนานกับเวกเตอร์ 1 - 2 ในการฝึกอบรมอ่อนแอจําแนกตาม(3) ค่าสเกลาพบว่าวัตถุดังกล่าวและจุดถ่วงจะถูกแยกออกที่ดีที่สุด ดังแสดงในรูป 5 (ข) แบ่งSRFS เป็นสองภูมิภาค ภูมิภาควัตถุรหัสสีขาวและภูมิภาคยุ่งเหยิงรหัสสีดำ. Fi

ผลลัพธ์ (ไทย) 3:

ผ้าสี่เหลี่ยมของเธอชอบคุณลักษณะสองสี่เหลี่ยม
ให้เริ่มต้นน้ำหนักของ 1 − 1 นี้สามารถฉาย
สายที่ขนานกับเวกเตอร์ 1 − 2 รถไฟอ่อนแอ
ลักษณนามเช่น ( 3 ) , ค่าสเกลาร์ พบว่าวัตถุและ
จุดถ่วงจะดีที่สุดที่แยกจากกัน ดังแสดงในรูปที่ 5 ( b )
srfs แบ่งออกเป็นสองภาคคือวัตถุเขตรหัสสีขาวและความไม่เป็นระเบียบ )
,
fi รหัสดำ