Base on Viola and Jones’ work, many improvements or
extensions have been proposed. Mainly, there are two
approaches to enhance their scheme. The first approach is an
enhancement of the boosting algorithms. Boosting [9] is one of
the most important recent developments in classification
methodology and, therefore, many variant of AdaBoost such as
Real AdaBoost, LogitBoost, Gentle Adaboost, KLBoosting,
etc[10], have been proposed. The second approach is an
enhancement of used features. Base on original propose of
Haar-like features, (a), Viola and Jones extend feature set as
shown in Figure 1.
พื้นฐานของโจนส์และวิโอลางาน ปรับปรุงมาก หรือได้รับการเสนอนามสกุล ส่วนใหญ่ มีสองแนวทางการปรับปรุงโครงร่างของพวกเขา วิธีแรกคือการเพิ่มประสิทธิภาพของกระบวนการกระจาย ส่งเสริม [9] เป็นหนึ่งการพัฒนาล่าสุดสำคัญที่สุดในการจัดประเภทวิธีการและ จึง ตัวแปรที่มากมายของ AdaBoost เช่นจริง AdaBoost, LogitBoost, Adaboost, KLBoosting อ่อนโยนอื่น ๆ [10], ได้รับการเสนอชื่อ วิธีที่สองคือการเพิ่มประสิทธิภาพของใช้ ฐานบนต้นฉบับเสนอของต่าง ๆ Haar, (a), วิโอลาและโจนส์ขยายชุดคุณลักษณะเป็นแสดงในรูปที่ 1
การแปล กรุณารอสักครู่..

ฐานในการทำงานของวิโอลาและโจนส์,
การปรับปรุงจำนวนมากหรือส่วนขยายที่ได้รับการเสนอ ส่วนใหญ่มีสองวิธีเพื่อเพิ่มรูปแบบของพวกเขา
วิธีแรกคือการเพิ่มประสิทธิภาพของขั้นตอนวิธีการส่งเสริมการ
ส่งเสริม [9]
เป็นหนึ่งในการพัฒนาที่ผ่านมาที่สำคัญที่สุดในการจำแนกวิธีการและมีตัวแปรหลาย
AdaBoost
เช่นจริงAdaBoost, LogitBoost, อ่อนโยน Adaboost, KLBoosting,
ฯลฯ [10], ได้รับการเสนอ แนวทางที่สองคือการเพิ่มประสิทธิภาพของคุณสมบัติที่ใช้
ฐานเดิมเสนอของคุณสมบัติ Haar เหมือน (ก),
วิโอลาและโจนส์ขยายคุณลักษณะที่กำหนดให้เป็นที่แสดงในรูปที่ 1
การแปล กรุณารอสักครู่..
