unimodal distribution. This basic m

unimodal distribution. This basic model is used in .
However, a single-mode model cannot handle multiple
backgrounds, like waving trees. The generalized mixture
of Gaussians (MOG) in has been used to model
complex, non-static backgrounds. Methods employing
MOG have been widelyincorpora ted into algorithms
that utilize Bayesian frameworks , dense depth data
, color and gradient information , mean-shift
analysis [7], and region-based information .

ผลลัพธ์ (ไทย) 1:

การกระจาย unimodal รูปแบบพื้นฐานนี้จะใช้ใน.
แต่รูปแบบโหมดเดียวไม่สามารถจัดการกับหลาย
ภูมิหลังเช่นโบกต้นไม้ ส่วนผสมทั่วไปของ Gaussians
(MOG) ในถูกนำมาใช้ในการจำลอง
ซับซ้อนภูมิหลังที่ไม่คงที่ วิธีการจ้าง
MOG ได้รับ widelyincorpora ted ลงในขั้นตอนวิธีการที่ใช้
กรอบ bayesian ลึกหนาแน่นข้อมูล
สีและข้อมูลการไล่ระดับสีหมายถึงการเปลี่ยนการวิเคราะห์
[7], และข้อมูลตามภูมิภาค

ผลลัพธ์ (ไทย) 2:

unimodal กระจาย ใช้ในรูปแบบนี้ได้
อย่างไรก็ตาม แบบโหมดเดียวไม่สามารถจัดการได้หลาย
พื้นหลัง เช่นโบกไม้ได้ ส่วนผสมเมจแบบทั่วไป
หยิบของ Gaussians (หมอก) ในการใช้แบบจำลอง
พื้นหลังซับซ้อน คงไม่ วิธีใช้
หยิบหมอกมีเท็ด widelyincorpora เป็นอัลกอริทึม
ที่ใช้กรอบทฤษฎี ข้อมูลหนาแน่นลึก
, สีและการไล่ระดับสีข้อมูล หมายความว่ากะ
วิเคราะห์ [7], และข้อมูลภูมิภาค

ผลลัพธ์ (ไทย) 3:

การกระจาย unimodal . รุ่นพื้นฐานแห่งนี้มีการใช้ในรูปแบบ.
อย่างไรก็ตามรุ่นเดียวที่ไม่สามารถจัดการกับการ Chat หลายๆฉาก
เหมือนต้นไม้โบกมือ โดยทั่วไปการผสมผสาน
ของ gaussians ( mog )ที่มีการใช้ในรุ่น
ซึ่งจะช่วยให้มีประวัติแบบสแตติกคอมเพล็กซ์ วิธีการใช้
mog ได้รับการเท็ด widelyincorpora ในอัลกอริธึม
ที่ใช้กรอบ Bayesian ข้อมูลเชิงลึกมีความหนาแน่นมาก
ข้อมูลการไล่ระดับสีและสีการวิเคราะห์หมายถึง - Shift
[ 7 ]และข้อมูลพื้นที่ - ใช้.