Figure 5. Average tracking time per

Figure 5. Average tracking time per frame in milliseconds on a Dell
Latitude notebook and a Nokia N95 as a function of the number of
shapes tracked in each frame.
Recognition performance is related to the number of shapes in
the shape library and the slant of the viewed shape. To assess this
relation we measured the recognition rate of the system with
different shape library sizes and slants. Figure 6 shows the
recognition rate as a function of the number of shapes in the
library for different slants. The experiment was performed using
the notebook configuration described above, with the camera
fixed approximately 40cm from the shapes. The system was
trained with solid blob shapes from the MPEG-7 shape dataset,
each containing 2 to 8 concavities. For each library size, the
recognition rate was tested on all of the shapes in the library. As
the slant increases, the amount of information in the image

ผลลัพธ์ (ไทย) 1:

รูป
5 การติดตามเวลาเฉลี่ยต่อเฟรมที่อยู่ในมิลลิวินาทีบนโน๊ตบุ๊ค Dell ละติจูด
และโนเกีย N95 เป็นหน้าที่ของจำนวนรูปร่าง
ติดตามในแต่ละเฟรม.
รับรู้ผลการดำเนินงานที่เกี่ยวข้องกับจำนวนของรูปร่างใน
ห้องสมุดรูปร่างและเอียงของ รูปร่างดู เพื่อประเมินความสัมพันธ์
นี้เราวัดอัตราการรับรู้ของระบบด้วย
ห้องสมุดขนาดรูปร่างที่แตกต่างกันและ slantsรูปที่ 6 แสดงให้เห็นถึงอัตราการรับรู้
เป็นฟังก์ชันของจำนวนของรูปทรงในห้องสมุด
สำหรับ slants ที่แตกต่างกัน การทดลองที่ได้รับการดำเนินการโดยใช้การกำหนดค่า
โน้ตบุ๊คที่อธิบายข้างต้นกับกล้อง
คงที่ประมาณ 40 ซม. จากรูปร่าง ระบบถูก
รับการฝึกอบรมมีรูปร่างหยดที่เป็นของแข็งจากข้อมูลที่รูปร่าง MPEG-7,
แต่ละที่มี 2-8 concavities สำหรับขนาดของห้องสมุดแต่ละ
อัตราการได้รับการยอมรับการทดสอบเกี่ยวกับรูปร่างทั้งหมดในห้องสมุด เป็น
เพิ่มขึ้นเอียงปริมาณของข้อมูลในภาพ

ผลลัพธ์ (ไทย) 2:

รูป 5 เฉลี่ยการติดตามเวลาต่อเฟรมในหน่วยมิลลิวินาทีบน Dell
โน้ตบุ๊กละติจูดและ N95 โนเกียเป็นฟังก์ชันของจำนวน
ติดตามรูปร่างในแต่ละเฟรม
รู้ประสิทธิภาพเกี่ยวข้องกับจำนวนของรูปร่างใน
รีรูปร่างและการเอียงของรูปร่างดู การประเมินนี้
ความสัมพันธ์เราวัดอัตราการรู้จำของระบบมี
slants และขนาดของไลบรารีรูปร่างแตกต่างกัน รูปที่ 6 แสดงการ
อัตราจำแนกเป็นฟังก์ชันของรูปในการ
ไลบรารี slants แตกต่างกัน ทดลองทำใช้
กำหนดค่าโน้ตบุ๊คที่อธิบายไว้ข้างต้น มีกล้อง
คงประมาณ 40 ซม.จากรูปร่าง ระบบไม่
รับการอบรมให้ มีรูปร่างแข็งหยดจากชุดข้อมูลรูปร่าง MPEG 7
มี concavities 2 8 สำหรับแต่ละไลบรารีขนาด การ
อัตราการได้รับการทดสอบในรูปร่างในไลบรารีทั้งหมด เป็น
เอียงเพิ่มขึ้น จำนวนของข้อมูลในรูป

ผลลัพธ์ (ไทย) 3:

รูปที่ 5 . การติดตามเวลาเฉลี่ยต่อเฟรมในมิลลิวินาทีที่ Dell Latitude
ซึ่งจะช่วยให้โน้ตบุ๊คและโนเกีย N 95 เป็นที่ทำงานของหมายเลขของ
รูปร่างติดตามในแต่ละเฟรม.
การจดจำการเป็นผู้ที่เกี่ยวข้องที่หมายเลขของรูปร่างใน
ซึ่งจะช่วยให้รูปร่างและห้องสมุดที่ดีที่ควรดูรูปร่าง.
ซึ่งจะช่วยในการประเมินความสัมพันธ์นี้เราวัดอัตราการรู้จำของระบบด้วย slants ขนาดและรูปร่างแตกต่างไลบรารี
รูปที่ 6 แสดงอัตรา
ซึ่งจะช่วยให้การยอมรับเป็นฟังก์ชันที่มีจำนวนของรูปร่างใน
ไลบรารีสำหรับ slants แตกต่างกัน การทดลองที่ได้ดำเนินการโดยใช้การกำหนดค่าโน้ตบุ๊ค
ที่อธิบายไว้ข้างต้นด้วยกล้อง
คงที่ประมาณ 40 ซม.จากรูปร่าง ระบบที่ได้รับการฝึกอบรมเป็น
ซึ่งจะช่วยพร้อมด้วยรูปทรง Remote Blob Storage แข็งแกร่งจาก - 7 รูปทรง MPEG dataset
แต่ละห้องมี 2 ถึง 8 concavities สำหรับขนาดไลบรารีแต่ละครั้ง
อัตราการรู้จำได้รับการทดสอบแล้วในรูปร่างทั้งหมดที่มีในไลบรารี
ซึ่งจะช่วยเป็นแง่ความเห็นที่เพิ่มขึ้นจำนวนของข้อมูลใน ภาพ