Han et al [16] method is based on t

Han et al [16] method is based on three stages: extract face
features, evaluate features and classification. They used 3
dimensional GavabDB erect of triangular network having no
makeup and jewelry etc. Geometric based method is used to
extract facial features. They place landmarks on face areas like
nose, mouth and eyes etc. They study the basic difference
between male and female and point out that shape of male
eyebrow is straight and also thick as compared to female while
female eyebrow is thinner. Female nose is smaller and have
small bridge as compared to male. Support vector machine
train those geometric features and efficiently classified gender.
They describe that error rate indication is 17.44% on average.
Their gender face database contained 427 images.

ผลลัพธ์ (ไทย) 1:

Han et al [16] วิธีตามขั้นตอนที่ 3: แยกหน้าคุณสมบัติ ประเมินคุณลักษณะและการจำแนก พวกเขาใช้ 3GavabDB มิติสร้างเครือข่ายสามเหลี่ยมที่มีไม่มีแต่งหน้าและเครื่องประดับเป็นต้น ใช้รูปทรงเรขาคณิตตามวิธีการแยกหน้า พวกเขาวางสถานบริเวณใบหน้าเช่นจมูก ปาก และตาเป็นต้น พวกเขาศึกษาความแตกต่างพื้นฐานระหว่างเพศชาย และเพศหญิง และชี้ที่รูปร่างของเพศชายคิ้วเป็นเส้นตรง และหนายังเปรียบเทียบกับหญิงขณะหญิงคิ้วบางลงได้ จมูกหญิงมีขนาดเล็ก และมีสะพานขนาดเล็กเมื่อเทียบกับเพศชาย เครื่องสนับสนุนเวกเตอร์รถไฟเรขาคณิตคุณสมบัติเหล่านั้นและเพศจำแนกประเภทอย่างมีประสิทธิภาพพวกเขาอธิบายว่า แสดงอัตราข้อผิดพลาดเป็น 17.44% โดยเฉลี่ยฐานข้อมูลของพวกเขาใบหน้าเพศอยู่ 427 ภาพ

ผลลัพธ์ (ไทย) 2:

Han et al, [16] วิธีการจะขึ้นอยู่กับขั้นตอนที่สาม: สารสกัดจากใบหน้า
คุณสมบัติประเมินคุณลักษณะและการจำแนก พวกเขาใช้ 3
ชะลูด GavabDB มิติของรูปสามเหลี่ยมเครือข่ายที่ไม่มี
การแต่งหน้าและเครื่องประดับ ฯลฯ วิธีการตามเรขาคณิตที่ใช้ในการ
ดึงใบหน้า พวกเขาวางสถานที่สำคัญในพื้นที่เช่นใบหน้า
จมูกปากและดวงตา ฯลฯ พวกเขาศึกษาแตกต่างขั้นพื้นฐาน
ระหว่างชายและหญิงและชี้ให้เห็นว่ารูปร่างของชาย
คิ้วตรงและยังหนาเมื่อเทียบกับเพศหญิงในขณะที่
เพศหญิงคิ้วเป็นทินเนอร์ จมูกหญิงมีขนาดเล็กและมี
สะพานเล็กเมื่อเทียบกับชาย เครื่องเวกเตอร์การสนับสนุน
การฝึกอบรมทางเรขาคณิตคุณสมบัติเหล่านั้นและจัดได้อย่างมีประสิทธิภาพทางเพศ.
พวกเขาอธิบายว่าตัวบ่งชี้อัตราความผิดพลาดเป็น 17.44% โดยเฉลี่ย.
ฐานข้อมูลใบหน้าเพศของตนที่มีอยู่ 427 ภาพ

ผลลัพธ์ (ไทย) 3:

Han et al [ 16 ] วิธีการจะขึ้นอยู่กับสามขั้นตอน : ดึงหน้าคุณสมบัติ , ประเมินคุณลักษณะและการจำแนก พวกเขาใช้ 3gavabdb มิติสร้างเครือข่ายไม่มีของสามเหลี่ยมแต่งหน้าและเครื่องประดับ ฯลฯ โดยจะใช้วิธีการทางเรขาคณิตสารสกัดจากใบหน้า . พวกเขาวางจุดบนใบหน้า เช่น บริเวณจมูก ปาก และตา ฯลฯ พวกเขาศึกษาความแตกต่างขั้นพื้นฐานระหว่างชายและหญิง และชี้ให้เห็นว่ารูปร่างของชายคิ้วตรงและหนา เมื่อเทียบกับหญิง ในขณะที่คิ้วหญิงทินเนอร์ จมูกหญิงมีขนาดเล็กลง และมีสะพานเล็ก ๆเมื่อเทียบกับผู้ชาย สนับสนุนเครื่องเวกเตอร์รถไฟที่เรขาคณิตคุณลักษณะและมีประสิทธิภาพจำแนกเพศพวกเขาอธิบายว่าบ่งชี้อัตราความผิดพลาดเป็น 17.44 % โดยเฉลี่ยเพศของตนหน้าฐานข้อมูลที่มีอยู่ 427 ภาพ