info@panadisplay.com
Metode Segmentasi Super Pixel Berdasarkan Gradient Descent

Metode Segmentasi Super Pixel Berdasarkan Gradient Descent

Nov 17, 2017

1.1 Metode DAS

1.2 Berdasarkan metode Mean-shift

1.3 Metode Turbopixels

Metode 1,4 SLIC


2. Perbandingan hasil eksperimen

Untuk lebih memahami kinerja dari beberapa metode segmentasi super pixel, makalah ini melakukan percobaan komparatif dalam set standar data patokan Berkeley, algoritma verifikasi termasuk tingkat entropi (ER) Ncut-based (Ncut-B) su-perpixel kisi (SL ) Turbopixels (TP) dan SLIC dari setiap ukuran gambar adalah 321x481, dibagi menjadi sekitar 200 hasil piksel super,


Seperti yang ditunjukkan pada Gambar 10 menunjukkan bahwa algoritma ER dapat menyimpan informasi tepi gambar, tetapi bentuk piksel super tidak teratur, setiap waktu segmentasi gambar sekitar 1,16sNcut-B algoritma secara efektif dapat mempertahankan batas gambar, dan dengan peningkatan jumlah super piksel, bentuk piksel super akan lebih teratur, tetapi waktu pemrosesan segmentasi gambar lebih panjang, ukuran gambar 321x481 hingga 200 kecepatan pemrosesan piksel super sekitar 2 menit algoritma SL lebih cepat daripada sekitar 0,36s dapat dibagi menjadi jaringan gambar, tetapi kualitas hasil segmentasinya sangat mempengaruhi peta batas masukan dari algoritma TP dan SLIC dapat menghasilkan piksel super reguler dan kompak tetapi, metode batas TP tetap buruk,

3.jpg

SLIC dari batas untuk mempertahankan kecepatan dan evaluasi bentuk super pixel lebih tinggi, dibandingkan dengan hasil segmentasi yang diharapkan dalam memori 3.00GB prosesor Intel Core 2 machine, perbandingan waktu dari berbagai algoritma segmentasi piksel super seperti yang ditunjukkan pada tabel 1.

4.png