For a test image, the features extr

For a test image, the features extracted from each patch of object can be quantified to the visual words. Then, the object is represented by the histogram of the visual words. Next, SVM is employed to obtain the posterior probability distribution of category. Finally, the posterior probability obtained by SVM and GMS is combined together. We use MAP to choose the category which can be formulated as

ผลลัพธ์ (ไทย) 1:

ลักษณะการทำงานที่แยกจากแต่ละโปรแกรมปรับปรุงของวัตถุสามารถ quantified คำภาพสำหรับรูปทดสอบ แล้ว วัตถุที่แสดง โดยฮิสโตแกรมของคำภาพ ถัดไป SVM เป็นลูกจ้างจะได้รับการแจกแจงความน่าเป็นหลังของประเภท สุดท้าย ความน่าเป็นหลังที่ได้รับ โดย SVM และ GMS ร่วมกัน เราใช้แผนที่เพื่อเลือกประเภทที่สามารถจะถูกกำหนดเป็น

ผลลัพธ์ (ไทย) 2:

สำหรับภาพการทดสอบคุณสมบัติสกัดจากแพทช์ของว​​ัตถุแต่ละคนสามารถจะวัดกับคำที่มองเห็น จากนั้นวัตถุที่เป็นตัวแทนจากกราฟของคำภาพที่ ถัดไป SVM เป็นลูกจ้างที่จะได้รับการกระจายความน่าจะเป็นหลังของหมวดหมู่ สุดท้ายน่าจะเป็นหลังที่ได้จากการ SVM และ GMS ถูกรวมเข้าด้วยกัน เราใช้แผนที่เพื่อเลือกประเภทที่สามารถสูตร

ผลลัพธ์ (ไทย) 3:

สำหรับการทดสอบภาพคุณสมบัติสกัดจากแต่ละแพทช์ของวัตถุสามารถ quantified กับสิ่งที่มองเห็น แล้ววัตถุที่แสดงโดยกราฟแสดงความถี่ของคำ ภาพ ถัดไป , SVM เป็นลูกจ้างที่จะได้รับของการแจกแจงประเภท ในที่สุด โอกาสที่ได้จากของ SVM และ GMS รวมด้วยกันเราใช้แผนที่เพื่อเลือกหมวดหมู่ ซึ่งสามารถกำหนดเป็น