Actually, Bag of words method overc

Actually, Bag of words method overcomes the other
methods for object detection. It represents an image as
an orderless collection of local features [7] (i.e. in face
representations local features can be an eye, ear, mouth, etc).
However, in face detection, object images belong to the
same category (face images), histograms of orderless local
features from the whole face do not have large enough
between class variations [9].
In Bag of Words [7], orderless local features are extracted
from images of different categories (face or non-face) as
candidates for basic elements, i.e., “words”. Feature descriptors are represented like numerical vectors. By clustering
methods, they convert numerical vectors to “codewords”
(cluster center) to produce a “codebook”. The number of
total clusters is the codebook size. So each feature in an
image is mapped to a codeword through the clustering
process and they are used to represent the histogram (see
Figure 4).

ผลลัพธ์ (ไทย) 1:

จริง overcomes ถุงคำวิธีการอื่น ๆวิธีการตรวจจับวัตถุ แสดงภาพเป็นมีคอลเลกชัน orderless ของท้องถิ่น [7] (เช่นในหน้านำเสนอคุณลักษณะเฉพาะได้ตา หู ปาก ฯลฯ)อย่างไรก็ตาม ในการตรวจจับใบหน้า รูปวัตถุเป็นการประเภทเดียวกัน (รูปใบหน้า) ฮิสโตแกรมของท้องถิ่น orderlessลักษณะการทำงานจากใบหน้าทั้งหมดไม่มีพอระหว่างชั้นรูปแบบ [9]ในกระเป๋าของคำ [7], สกัดคุณลักษณะ orderless ท้องถิ่นจากรูปของประเภทที่แตกต่าง (หน้าหรือใบหน้าไม่ใช่) เป็นผู้สมัครสำหรับองค์ประกอบพื้นฐาน เช่น "คำ" ตัวบอกลักษณะการทำงานจะแสดงเช่นตัวเลขเวกเตอร์ โดยคลัสเตอร์วิธี พวกเขาแปลงเวกเตอร์แทนการ "codewords"(คลัสเตอร์ศูนย์) ในการผลิต "codebook" จำนวนคลัสเตอร์รวมเป็นขนาด codebook ดังนั้นแต่ละคุณลักษณะในการภาพถูกแมปกับ codeword ผ่านการคลัสเตอร์กระบวนการและพวกเขาจะใช้แทนฮิสโตแกรม (ดูรูปที่ 4)

ผลลัพธ์ (ไทย) 3:

จริงๆแล้ว ถุงคำ วิธีเอาชนะวิธีอื่น
ตรวจหาวัตถุ มันเป็นภาพที่เป็นคอลเลกชันที่ orderless
คุณสมบัติท้องถิ่น [ 7 ] ( เช่นในหน้า
รับรองคุณสมบัติท้องถิ่นสามารถเป็น ตา หู ปาก ฯลฯ ) .
แต่ในการตรวจหาใบหน้า , ภาพวัตถุเป็นของ
ประเภทเดียวกัน ( ภาพใบหน้า ) , ฮิสโตแกรมคุณสมบัติท้องถิ่น
orderless จากใบหน้า ทั้งหมดไม่ได้มีขนาดใหญ่เพียงพอ
ระหว่างชั้นเรียนรูปแบบ [ 9 ] .
ในถุงของคำ [ 7 ] คุณสมบัติท้องถิ่น orderless ได้
จากภาพประเภทต่าง ๆ ( ที่ไม่ใช่หน้าหรือหน้า )
ผู้สมัครองค์ประกอบพื้นฐานคือ " คำพูด " คุณลักษณะในจะแสดงแบบเวกเตอร์ตัวเลข โดยการจัดกลุ่ม
วิธี พวกเขาแปลงเวกเตอร์เชิงตัวเลข " codewords "
( คลัสเตอร์ ) เพื่อผลิต " ชุด " จํานวน
กลุ่มรวมเป็นชุดขนาด ดังนั้นแต่ละคุณลักษณะใน
รูปเป็นแมปไปยัง codeword ผ่านการจัดกลุ่ม
กระบวนการ และมันถูกใช้เป็นตัวแทนของกราฟ ( ดู
รูปที่ 4 )