Hidden Markov models (HMMs) [6], wh

Hidden Markov models (HMMs) [6], which have been used successfully in speech recognition for a number of decades, are now being applied to face recognition. Samaria andYoung used image pixel values to build a top-down model of a face using HMMs. Nefian and Hayes [7] modified the approach by using discrete cosine transform (DCT) coefficients to form observation vectors. Bai and Shen [8] used discrete wavelet transform(DWT)[9]coefficientstakenfromoverlappingimage sub-windows taken from the entire face image, whereas Bicego and Murino [10] used DWT coefficients of sub-windows generated by a raster-scan of the image.

ผลลัพธ์ (ไทย) 1:

ตอนนี้กำลังใช้ซ่อน Markov รุ่น (HMMs) [6], ซึ่งใช้เรียบร้อยแล้วในการรู้จำเสียงสำหรับหลายทศวรรษที่ผ่านมา กับหน้ารู้ Samaria andYoung ใช้ค่าพิกเซลของภาพเพื่อสร้างวิธีการแบบบนลงล่างของใบหน้าโดยใช้ HMMs. Nefian และ modified เฮยส์ [7] โดย coefficients (DCT) การแปลงโคไซน์ไม่ต่อเนื่องกับแบบฟอร์มสังเกตเวกเตอร์ ไบและ Shen [8] ใช้เดี่ยว ๆ wavelet transform(DWT) coefficientstakenfromoverlappingimage [9] ย่อย windows จากภาพใบหน้า ในขณะที่ใช้ coefficients DWT ของหน้าต่างย่อยที่สร้างขึ้น โดยการสแกนแบบราสเตอร์ของรูป Bicego และ Murino [10]

ผลลัพธ์ (ไทย) 2:

รุ่นมาร์คอฟที่ซ่อนอยู่ (HMMs) [6] ซึ่งได้รับการใช้ในการรู้จำเสียงพูดสำหรับจำนวนของทศวรรษที่ผ่านมาตอนนี้ถูกนำไปใช้ในการจดจำใบหน้า สะมาเรีย andYoung ใช้ค่าพิกเซลภาพที่จะสร้างรูปแบบบนลงล่างของใบหน้าโดยใช้ HMMs สายตะวันออกเฉียงเหนือและเฮย์ส [7] Modi สายเอ็ดวิธีโดยใช้การแปลงโคไซน์ไม่ต่อเนื่อง (DCT) cients COEF ไฟในรูปแบบเวกเตอร์สังเกต ใบและเชน [8] ใช้แปลงเวฟเล็ต (DWT) [9] COEF สาย cientstakenfromoverlappingimage หน้าต่างย่อยที่นำมาจากภาพใบหน้าในขณะที่ Bicego และ Murino [10] ใช้ DWT COEF cients ไฟของหน้าต่างย่อยที่เกิดจากแรสเตอร์สแกนของภาพ .

ผลลัพธ์ (ไทย) 3:

แบบจำลองฮิดเดนมาร์คอฟ ( hmms ) [ 6 ] ซึ่งได้ถูกนำมาใช้ประสบความสำเร็จในการรู้จำเสียงพูดสำหรับจำนวนของทศวรรษที่ผ่านมาปัจจุบันมีการประยุกต์ให้ใบหน้าดู ใช้ภาพพิกเซลค่าเรียที่ทางเดินหายใจเพื่อสร้างรูปแบบจากบนลงล่างของใบหน้าโดยใช้ hmms . นี่จึงเป็น และ เยส [ 7 ] Modi จึงเอ็ดแนวทางโดยใช้การแปลงโคไซน์ไม่ต่อเนื่อง ( DCT ) coef จึง cients รูปแบบเวกเตอร์แบบสังเกตไป๋และเชน [ 8 ] ใช้เวฟเลตต่อเนื่อง Transform ( DWT ) [ 9 ] coef จึง cientstakenfromoverlappingimage ย่อยหน้าต่างถ่ายจากภาพทั่วทั้งใบหน้า และส่วน bicego Murino [ 10 ] ( coef จึงใช้ cients หน้าต่างย่อยที่สร้างขึ้นโดยภาพสแกนภาพ