Paras vastaus
Monet nykyiset tietokonenäön algoritmit käyttävät pikseliverkkoa taustalla olevana esityksenä. Esimerkiksi tässä stokastisessa kuvamallissa, kuten Markovin satunnaiskentät, määritetään usein tämä säännöllinen ruudukko. Tai kasvojen tunnistus tapahtuu tyypillisesti sovittamalla tallennetut mallit kaikkiin kuvan kokoisiin (esimerkiksi 50×50) ikkunoihin.
Pikseliruudukko on kuitenkin ei luonnollinen kuvaus visuaalisista kohtauksista. Se on pikemminkin digitaalisen kuvantamisprosessin ”artefakti”. Olisi luonnollisempaa ja oletettavasti tehokkaampaa työskennellä matalalla ryhmittelyprosessilla saatujen havainnollisesti merkityksellisten entiteettien kanssa. Voimme esimerkiksi käyttää Normalized Cuts -algoritmia kuvan osioimiseksi esimerkiksi 500 segmenttiin (mitä kutsumme superpikseleiksi ).
Tällaisella superpikselikartalla on monia haluttuja ominaisuuksia:
- Se on laskennallisesti tehokas : se vähentää kuvien monimutkaisuutta sadoista tuhansista pikseleistä vain muutamaan sadaan superpikseliin.
- Se on myös edustavasti tehokas : pareittain rajoituksia yksiköiden välillä, kun taas vain vierekkäisissä pikseleissä. pixel-ruudukko, voi nyt mallintaa paljon pidemmän kantaman vuorovaikutusta superpikselien välillä.
- Superpikselit ovat aistillisesti merkityksellisiä : kukin superpikseli on havainnollisesti yhtenäinen yksikkö, eli kaikki superpikselin pikselit ovat todennäköisesti yhtenäisiä, esimerkiksi väriltään ja tekstuuriltaan.
- Se on melkein täydellinen : koska superpikselit ovat ylisegmentaation tuloksia, useimmiten strukturoituna kuvan kuvat on tallennettu. Pikseliruudukosta superpikselikarttaan siirtymisessä on hyvin vähän menetyksiä.
Lisää vierailu- Superpixel, empiiriset tutkimukset ja sovellukset
Vastaa
Hyvä ystäväni,
Super pixel- (tietokonegrafiikka) A monikulmainen osa digitaalista kuvaa , suurempi kuin normaali pikseli , joka renderöidään yhtenäisenä väri ja kirkkaus .
Kiitos