there are twoapproaches to enhance

there are two
approaches to enhance their scheme. The first approach is an
enhancement of the boosting algorithms. Boosting [9] is one of
the most important recent developments in classification
methodology and, therefore, many variant of AdaBoost such as
Real AdaBoost, LogitBoost, Gentle Adaboost, KLBoosting,
etc[10], have been proposed. The second approach is an
enhancement of used features. Base on original propose of
Haar-like features, (a), Viola and Jones extend feature set as
shown in Figure 1.

ผลลัพธ์ (ไทย) 1:

มีสองแนวทางการปรับปรุงโครงร่างของพวกเขา วิธีแรกคือการเพิ่มประสิทธิภาพของกระบวนการกระจาย ส่งเสริม [9] เป็นหนึ่งการพัฒนาล่าสุดสำคัญที่สุดในการจัดประเภทวิธีการและ จึง ตัวแปรที่มากมายของ AdaBoost เช่นจริง AdaBoost, LogitBoost, Adaboost, KLBoosting อ่อนโยนอื่น ๆ [10], ได้รับการเสนอชื่อ วิธีที่สองคือการเพิ่มประสิทธิภาพของใช้ ฐานบนต้นฉบับเสนอของต่าง ๆ Haar, (a), วิโอลาและโจนส์ขยายชุดคุณลักษณะเป็นแสดงในรูปที่ 1

ผลลัพธ์ (ไทย) 2:

มีสองวิธีเพื่อเพิ่มรูปแบบของพวกเขา
วิธีแรกคือการเพิ่มประสิทธิภาพของขั้นตอนวิธีการส่งเสริมการ
ส่งเสริม [9]
เป็นหนึ่งในการพัฒนาที่ผ่านมาที่สำคัญที่สุดในการจำแนกวิธีการและมีตัวแปรหลาย
AdaBoost
เช่นจริงAdaBoost, LogitBoost, อ่อนโยน Adaboost, KLBoosting,
ฯลฯ [10], ได้รับการเสนอ แนวทางที่สองคือการเพิ่มประสิทธิภาพของคุณสมบัติที่ใช้
ฐานเดิมเสนอของคุณสมบัติ Haar เหมือน (ก), วิโอลาและโจนส์ขยายคุณลักษณะที่กำหนดให้เป็นที่แสดงในรูปที่1

ผลลัพธ์ (ไทย) 3:

มีสองวิธีที่จะเพิ่ม
โครงการของพวกเขา วิธีแรกคือการเพิ่มประสิทธิภาพของขั้นตอนวิธีการ
. เพิ่ม [ 9 ] เป็นหนึ่งในการพัฒนาล่าสุดที่สำคัญที่สุด

วิธีการในการจำแนก และหลายตัวแปร เช่น adaboost
จริง adaboost logitboost , อ่อนโยน , adaboost klboosting และอื่น ๆ , ,
[ 10 ] ได้รับการเสนอ วิธีที่สองคือการใช้คุณสมบัติของ
.บนฐานเดิมเสนอ
เธอชอบคุณลักษณะ ( A ) , วิโอลาและโจนส์ขยายคุณลักษณะชุดเช่น
แสดงในรูปที่ 1