Beste svaret
Mange eksisterende algoritmer i datasyn bruker pikselnettet som den underliggende representasjonen. For eksempel er stokastiske modeller av bilder, for eksempel tilfeldige Markov-felt, ofte definert på dette vanlige rutenettet. Eller ansiktsgjenkjenning gjøres vanligvis ved å matche lagrede maler til hvert vindu i fast størrelse (for eksempel 50×50) i bildet.
Pikselrutenettet er imidlertid ikke en naturlig fremstilling av visuelle scener. Det er snarere en «gjenstand» av en digital bildebehandling. Det ville være mer naturlig, og antagelig mer effektivt, å jobbe med perceptuelt meningsfulle enheter oppnådd fra en grupperingsprosess på lavt nivå. For eksempel kan vi bruke Normalized Cuts-algoritmen til å dele et bilde i for eksempel 500 segmenter (det vi kaller superpiksler ).
Et slikt superpikskart har mange ønskede egenskaper:
- Det er beregningseffektivt : det reduserer kompleksiteten til bilder fra hundretusener av piksler til bare noen få hundre superpiksler.
- Det er også representativt effektiv : parvise begrensninger mellom enhetene, mens bare for tilstøtende piksler på pixel-grid, kan nå modellere interaksjoner med mye lengre rekkevidde mellom superpiksler.
- Superpikslene er percetually meningsfylt : hver superpixel er en perceptuelt konsistent enhet, dvs. alle piksler i en superpiksel er mest sannsynlig ensartede i for eksempel farge og tekstur.
- Det er nesten fullstendig : fordi superpiksler er resultater av en oversegmentering, mest strukturell res på bildet er bevart. Det er veldig lite tap i å bevege seg fra pikselrutenettet til superpikselkartet.
For mer besøk- Superpixel, Empirical Studies and Applications
Svar
Kjære venn,
Superpiksel- (datagrafikk) A polygonal del av et digitalt bilde , større enn et normalt piksel , som er gjengitt med uniform farge og lysstyrke .
Takk