OpenCV's FaceRecognizer class can r

OpenCV's FaceRecognizer class can return a confidence metric when you call the predict() function but unfortunately the confidence metric is simply based on the distance in eigen-subspace, so it is not very reliable. The method we will use is to reconstruct the facial image using the eigenvectors and eigenvalues, and compare this reconstructed image with the input image. If the person had many of their faces included in the training set, then the reconstruction should work quite well from the learnt eigenvectors and eigenvalues, but if the person did not have any faces in the training set (or did not have any that have similar lighting and facial expressions as
the test image), then the reconstructed face will look very different from the input face, signaling that it is probably an unknown face.

ผลลัพธ์ (ไทย) 1:

คลา FaceRecognizer ของ OpenCV สามารถวัดความเชื่อมั่นกลับ เมื่อคุณเรียกใช้ฟังก์ชัน predict() แต่การวัดความเชื่อมั่นเพียงขึ้นอยู่กับระยะห่างใน eigen subspace ดังนั้นไม่น่าเชื่อถือ วิธีเราจะใช้เพื่อ สร้างภาพใบหน้าโดยใช้ลักษณะเฉพาะและเวกเตอร์ และเปรียบเทียบรูปภาพเข้านี้สร้างขึ้นใหม่ได้ ถ้าบุคคลมีหลายหน้ารวมอยู่ในชุดฝึกอบรม แล้วการฟื้นฟูควรทำงานค่อนข้างดีจากการเรียนรู้ลักษณะเฉพาะและเวกเตอร์ อยู่ แต่ ถ้าคนไม่มีหน้าใด ๆ ในชุดฝึก (หรือไม่มีใด ๆ ที่มีแสงสว่างคล้ายหน้านิพจน์เป็น
ภาพทดสอบ), หน้าสร้างขึ้นใหม่จะดูแตกต่างมากจากหน้าเข้า แล้ว, สัญญาณว่า มันจะหน้ายังไม่รู้จัก

ผลลัพธ์ (ไทย) 2:

OpenCV ของชั้น FaceRecognizer สามารถกลับความเชื่อมั่นของตัวชี้วัดเมื่อคุณเรียกใช้ฟังก์ชันทำนาย () แต่โชคร้ายที่ตัวชี้วัดความเชื่อมั่นจะขึ้นอยู่กับระยะทางเพียงแค่ใน Eigen-สเปซจึงเป็นสิ่งที่ไม่น่าเชื่อถือมาก วิธีการที่เราจะใช้คือการสร้างภาพใบหน้าโดยใช้ eigenvectors และค่าลักษณะเฉพาะและเปรียบเทียบภาพที่สร้างขึ้นใหม่นี้กับภาพการป้อนข้อมูล ถ้าคนที่มีจำนวนมากของใบหน้าของพวกเขารวมอยู่ในชุดฝึกอบรมแล้วฟื้นฟูควรจะทำงานได้ค่อนข้างดีจาก eigenvectors เรียนรู้และลักษณะเฉพาะ แต่ถ้าคนที่ไม่ได้มีใบหน้าที่ใด ๆ ในชุดการฝึกอบรม (หรือไม่ได้มีใด ๆ ที่มีลักษณะคล้ายกัน แสงและการแสดงออกทางสีหน้าเป็น
ภาพการทดสอบ) จากนั้นใบหน้าที่สร้างขึ้นใหม่จะมีลักษณะที่แตกต่างจากใบหน้าของท่านส่งสัญญาณว่ามันอาจจะเป็นใบหน้าที่ไม่รู้จัก

ผลลัพธ์ (ไทย) 3:

เป็นการ facerecognizer ของคลาสสามารถคืนความมั่นใจเมตริกตันเมื่อคุณเรียกฟังก์ชั่น predict() แต่ความมั่นใจระบบเมตริกเป็นเพียงขึ้นอยู่กับระยะทางใน eigen ได้ ดังนั้นจึงไม่ถือมาก วิธีการที่เราจะใช้มันเพื่อสร้างภาพใบหน้าและการเสนอแบบ และเปรียบเทียบข้อมูลภาพด้วยภาพใส่ถ้าบุคคลมีหลายใบหน้าของพวกเขารวมอยู่ในการตั้งค่า แล้วการฟื้นฟูจะทำงานได้ค่อนข้างดี จากการได้เรียนรู้และได้เสนอค่า แต่ถ้าคนที่ไม่มีใบหน้าในชุดฝึก ( หรือไม่ได้มีใด ๆที่คล้ายกันแสงและการแสดงออกทางสีหน้าเป็น
ภาพทดสอบ ) แล้วสร้างขึ้นใหม่หน้าจะดูแตกต่างจากข้อมูลหน้าส่งสัญญาณว่าอาจเป็นใบหน้าที่ไม่รู้จัก