Given an annotated dataset, the fea

Given an annotated dataset, the feature detectors can be learned independently fromeach other. The learning objective of a discriminative patch model is to construct an image patch that, when cross-correlated with an image region containing the facial feature, yields a strong response at the feature location and weak responses everywhere else. Mathematically, this can be expressed as:

ผลลัพธ์ (ไทย) 1:

กำหนดชุดข้อมูลการประกอบ คุณลักษณะการตรวจจับสามารถเรียนอย่างอิสระ fromeach อื่น ๆ เรียนรู้วัตถุประสงค์ของแบบจำลอง discriminative แพทช์จะสร้างภาพแก้ไขที่ เมื่อข้าม correlated กับภูมิภาคเป็นรูปประกอบด้วยลักษณะใบหน้า ทำให้การตอบสนองที่แข็งแกร่งที่คุณลักษณะอ่อนแอไม่น่าตอบสนองอื่นทุก Mathematically นี้สามารถแสดงเป็น:

ผลลัพธ์ (ไทย) 2:

ได้รับชุดข้อมูลข้อเขียนตรวจจับคุณลักษณะสามารถเรียนรู้ได้อย่างเป็นอิสระ fromeach อื่น ๆ วัตถุประสงค์การเรียนรู้ของรูปแบบแพทช์จำแนกคือการสร้างแพทช์ภาพว่าเมื่อข้ามมีความสัมพันธ์กับภูมิภาคภาพที่มีลักษณะการทำงานในหน้าผลการตอบสนองที่แข็งแกร่งในสถานที่ที่มีการตอบสนองและอ่อนแอทุกที่อื่น ศาสตร์นี้สามารถแสดงได้ดังนี้

ผลลัพธ์ (ไทย) 3:

ให้แสดงข้อมูล คุณลักษณะที่สามารถเรียนรู้ได้โดยอิสระของอื่น ๆ มีวัตถุประสงค์การเรียนรู้รูปแบบของแพทช์และแพทช์เพื่อสร้างภาพว่า เมื่อข้ามความสัมพันธ์กับภาพเขตประกอบด้วยคุณลักษณะใบหน้า ให้ผลการตอบสนองที่แข็งแกร่งในลักษณะที่ตั้งและการตอบสนองที่อ่อนแอทุกที่อื่น ทางคณิตศาสตร์ ซึ่งสามารถแสดงเป็น :