The problem of face detection refer

The problem of face detection refers to determining whether or not there are any faces in a given image and to estimate the location and size of any detected faces[1]. Face detection is a trivial task for humans, however it is not very easy for computers due to geometric (scale, in-plane rotation, pose, facial expressions, occlusion etc.) and photometric variations. In the next subsection, face detection algorithms in the literature will be briefly reviewed.
Methods in the literature on face detection can be grouped as knowledge-based, feature-based, and template-based and appearance based methods[1,2,3]. Face detection is an expensive search problem. In general ,a sliding window is scanned through an image at various scales to classify the window as face or non-face. Therefore, many background windows need to be processed as well as actual face regions. The ratio of the number of non-face windows to face windows can be as high as 100000:1. Hence, a well trained classifier is necessary that will produce a low number of false positives. Face detection methods based on learning algorithms have shown good results. Viola and Jones (VJ) a frontal face detection system in gray-scale images based on the Adaboost learning algorithm.

ผลลัพธ์ (ไทย) 2:

ปัญหาของการตรวจจับใบหน้าหมายถึงการกำหนดหรือไม่ว่ามีใบหน้าที่ใด ๆ ในภาพที่กำหนดและเพื่อประเมินตำแหน่งและขนาดของใบหน้าที่ตรวจพบใด ๆ [1] การตรวจหาใบหน้าเป็นงานเล็ก ๆ น้อย ๆ สำหรับมนุษย์ แต่มันไม่ได้เป็นเรื่องง่ายมากสำหรับคอมพิวเตอร์อันเนื่องมาจากรูปทรงเรขาคณิต (ขนาด, การหมุนในระนาบก่อให้เกิดการแสดงออกทางสีหน้าบดเคี้ยว ฯลฯ ) และรูปแบบแสง ในส่วนย่อยต่อไปขั้นตอนวิธีการตรวจหาใบหน้าในวรรณคดีจะถูกตรวจสอบในเวลาสั้น ๆ .
วิธีการในวรรณคดีในการตรวจหาใบหน้าสามารถแบ่งเป็นฐานความรู้ที่มีคุณลักษณะตามและแม่แบบที่ใช้และลักษณะวิธีการตาม [1,2,3] . การตรวจหาใบหน้าเป็นปัญหาที่การค้นหาที่มีราคาแพง โดยทั่วไปหน้าต่างบานเลื่อนถูกสแกนผ่านภาพในระดับต่างๆที่จะจัดหน้าต่างในขณะที่ใบหน้าหรือไม่ใบหน้า ดังนั้นหน้าต่างพื้นหลังจำนวนมากต้องที่ต้องดำเนินการเช่นเดียวกับภูมิภาคใบหน้าที่เกิดขึ้นจริง อัตราส่วนของจำนวนหน้าต่างที่ไม่ได้ใบหน้าที่จะเผชิญกับหน้าต่างสามารถจะสูงถึง 100,000: 1 ดังนั้นจําแนกได้รับการฝึกฝนเป็นอย่างดีเป็นสิ่งจำเป็นที่จะผลิตเป็นจำนวนต่ำบวกเท็จ วิธีการตรวจสอบใบหน้าบนพื้นฐานของการเรียนรู้ขั้นตอนวิธีการได้แสดงให้เห็นผลลัพธ์ที่ดี วิโอลาและโจนส์ (วีเจ) ระบบตรวจจับใบหน้าหน้าผากภาพสีเทาขนาดขึ้นอยู่กับขั้นตอนวิธีการเรียนรู้ Adaboost

ผลลัพธ์ (ไทย) 3:

ปัญหาของการตรวจหาใบหน้า หมายถึง การกำหนดหรือไม่มีใบหน้าในให้ภาพและเพื่อประมาณขนาดและที่ตั้งของใด ๆที่ตรวจพบใบหน้า [ 1 ] การตรวจหาใบหน้าเป็นงานที่น่าเบื่อสำหรับมนุษย์ แต่มันไม่ง่ายสำหรับคอมพิวเตอร์ เนื่องจากทางเรขาคณิต ( ระดับระนาบการหมุน , ถ่ายรูป , สีหน้า , ทันตกรรมบดเคี้ยว ฯลฯ ) และการเปลี่ยนแปลงทางแสง . ในวรรคถัดไปตรวจจับใบหน้าขั้นตอนวิธีในวรรณคดีจะสั้น ๆดู
วิธีการในวรรณกรรมเกี่ยวกับการตรวจจับใบหน้าที่สามารถจัดกลุ่มเป็นฐานความรู้ ในสารและแม่แบบตามลักษณะพื้นฐานและวิธีการ [ 1 , 2 , 3 ] การตรวจหาใบหน้าเป็นปัญหาในการค้นหาราคาแพง โดยทั่วไป , หน้าต่างบานเลื่อนถูกสแกนผ่านภาพในระดับต่าง ๆ เพื่อแบ่งหน้าต่างเป็นใบหน้าหรือบนใบหน้า ดังนั้นหน้าต่างพื้นหลังมากมายต้องประมวลผลรวมทั้งภูมิภาคใบหน้าที่แท้จริง อัตราส่วนของจำนวนที่ไม่ใช่ Windows หน้า Windows สามารถสูงเป็น 100000:1 . ดังนั้น การฝึกตัวเป็นสิ่งจำเป็นที่จะผลิตจำนวนต่ำของผลบวกปลอม ตรวจจับใบหน้าโดยวิธีอัลกอริทึมการเรียนรู้แสดงผลลัพธ์ที่ดีViola และ โจนส์ ( VJ ) หน้าผากใบหน้า ระบบตรวจจับภาพในสีเทาขนาดตาม adaboost การเรียนรู้ขั้นตอนวิธี