a window of the target size is move

a window of the target size is moved over the input image, and for each subsection of the image the Haar-like feature is calculated. This difference is then compared to a learned threshold that separates non-objects from objects. Because such a Haar-like feature is only a weak learner or classifier (its detection quality is slightly better than random guessing) a large number of Haar-like features are necessary to describe an object with sufficient accuracy. In the Viola–Jones object detection framework, the Haar-like features are therefore organized in something called a classifier cascade to form a strong learner or classifier.

ผลลัพธ์ (ไทย) 1:

ย้ายหน้าต่างขนาดเป้าหมายมากกว่าภาพอินพุต และคุณลักษณะโดดเหมือนถูกคำนวณสำหรับแต่ละส่วนย่อยของภาพ ความแตกต่างนี้ถูกแล้วเปรียบเทียบกับเกณฑ์การเรียนรู้ที่แยกเป็นวัตถุจากวัตถุ เนื่องจากคุณลักษณะดังกล่าวเหมือนโดด เฉพาะผู้เรียนอ่อนหรือลักษณนาม (คุณภาพของการตรวจจับเป็นเล็กน้อยดีกว่าการเดาสุ่ม) ต่าง ๆ โดดจำนวนมากจำเป็นต้องอธิบายวัตถุ มีความแม่นยำเพียงพอ ในกรอบการตรวจจับวัตถุ Viola-โจนส์ ลักษณะโดดจึงจัดในสิ่งที่เรียกว่าลักษณนามเรียงซ้อนเพื่อผู้เรียนที่เข้มแข็งหรือลักษณนาม

ผลลัพธ์ (ไทย) 2:

หน้าต่างขนาดเป้าหมายจะย้ายไปภาพที่นำเข้าและสำหรับส่วนย่อยของภาพแต่ละคุณลักษณะ Haar เหมือนจะมีการคำนวณ ความแตกต่างนี้แล้วเมื่อเทียบกับเกณฑ์ที่ได้เรียนรู้ว่าแยกวัตถ​​ุที่ไม่ใช่วัตถุ เพราะเช่นคุณลักษณะ Haar เหมือนเป็นเพียงการเรียนอ่อนแอหรือลักษณนาม (คุณภาพของการตรวจสอบของมันคือดีกว่าเล็กน้อยคาดเดาสุ่ม) เป็นจำนวนมากของคุณสมบัติ Haar เหมือนเป็นสิ่งที่จำเป็นในการอธิบายถึงวัตถุที่มีความแม่นยำเพียงพอ ในกรอบการตรวจจับวัตถุ Viola โจนส์คุณสมบัติ Haar เหมือนมีการจัดจึงอยู่ในสิ่งที่เรียกว่าน้ำตกลักษณนามในรูปแบบการเรียนรู้ที่แข็งแกร่งหรือลักษณนาม

ผลลัพธ์ (ไทย) 3:

หน้าต่างขนาดเป้าหมายย้ายไปรับภาพและสำหรับแต่ละส่วนของภาพโอเคชอบคุณลักษณะจะถูกคำนวณ ความแตกต่างนี้แล้วเทียบกับเกณฑ์ที่แยกได้จากที่ไม่ใช่วัตถุวัตถุ เพราะเป็นเธอชอบคุณลักษณะเป็นเพียงผู้เรียนอ่อนหรือลักษณนาม ( คุณภาพของการเป็นเล็กน้อยดีกว่าการคาดเดาแบบสุ่ม ) จํานวนมากเธอชอบคุณสมบัติที่จำเป็นในการอธิบายวัตถุที่มีความถูกต้องเพียงพอ . ในไวโอลิน - โจนส์การตรวจจับวัตถุ Framework , เธอชอบคุณสมบัติจึงจัดอยู่ในสิ่งที่เรียกว่าน้ำตกแบบฟอร์มที่แข็งแกร่ง หรือเรียนรู้ลักษณนาม