present work, we used two ANNs. The

present work, we used two ANNs. The task of the first ANN
was to segment the image of interest (Fig. I) in two regions,
that is, a region of white pixels (which comprises plastic
border pixels and insect pixels), and non-white pixels (which
comprises gray plastic pixels and background pixels). The
inputs for the both ANNs were: (a) the intensity of the target
pixel; (b) the mean of the intensity of 8-connected pixels (8
pixels surrounding the target pixel); (c) the mean of the
intensities of the pixels in a 3x3 kernel for the first ANN and
5x5 for the second ANN; and (d) the standard deviation of the
intensities of the pixels in a 3x3 kernel for the first ANN and
5x5 for the second ANN. The items (a) and (b) are related to
the training strategies reported in [8]. Since the image of
interest is more complex than that previous work, we provided
statistical information (c) and (d). Levenberg-Marquardt was
the algorithm used in the training phase [9]. The stopping
criterion was set to 10000 epochs or an MSE for the training
phase lower than 10-10•

ผลลัพธ์ (ไทย) 1:

ทำงานอยู่ เราใช้ ANNs ที่สอง งานของแอนครั้งแรกการแบ่งส่วนภาพน่าสนใจ (รูปผม) ในสองภูมิภาคนั่นคือ ภูมิภาคของพิกเซลสีขาว (ซึ่งประกอบด้วยพลาสติกเส้นขอบพิกเซลและแมลงพิกเซล), และพิกเซลสีขาว (ซึ่งประกอบไปด้วยพิกเซลพลาสติกสีเทาและพิกเซลพื้นหลัง) การอินพุตสำหรับ ANNs ทั้งสองถูก: (a) ความเข้มของเป้าหมายพิกเซล (ข) ความหมายของความรุนแรงของการเชื่อมต่อ 8 พิกเซล (8พิกเซลรอบเซลเป้าหมาย); (ค) ความหมายของการความเข้มของพิกเซลในตัวเคอร์เนล 3 x 3 สำหรับแอนครั้งแรก และ5 x 5 สำหรับแอนสอง และค่าเบี่ยงเบน (d) มาตรฐานของการความเข้มของพิกเซลในตัวเคอร์เนล 3 x 3 สำหรับแอนครั้งแรก และ5 x 5 สำหรับแอนสอง รายการ (ก) และ (ข) จะเกี่ยวข้องกับกลยุทธ์การฝึกอบรมรายงานใน [8] ตั้งแต่ภาพของสนใจมีความซับซ้อนกว่าที่ทำงานก่อนหน้านี้ เราจัดให้ข้อมูลสถิติ (c) และ (d) Levenberg Marquardt ถูกอัลกอริธึมที่ใช้ในขั้นตอนการฝึกอบรม [9] หยุดการทำงานตั้งค่าเกณฑ์การ 10000 epochs หรือตัว MSE สำหรับการฝึกอบรมระยะต่ำกว่า 10-10•

ผลลัพธ์ (ไทย) 2:

การทำงานในปัจจุบันเราใช้สอง ANNs งานแรกของแอน
คือการส่วนภาพที่น่าสนใจ (รูป. ฉัน) ในสองภูมิภาค
ที่เป็นพื้นที่ของพิกเซลสีขาว (ซึ่งประกอบด้วยพลาสติก
พิกเซลชายแดนและพิกเซลแมลง) และพิกเซลไม่ใช่สีขาว (ซึ่ง
ประกอบด้วยสีเทา พิกเซลพิกเซลพลาสติกและพื้นหลัง)
ปัจจัยที่ใช้สำหรับทั้ง ANNs มีดังนี้ (ก) ความเข้มของเป้าหมาย
พิกเซล; (ข) ค่าเฉลี่ยของความเข้มของพิกเซลที่ 8 ที่เชื่อมต่อ (8
พิกเซลรอบพิกเซลเป้าหมาย); (ค) ค่าเฉลี่ยของ
ความเข้มของพิกเซลในเคอร์เนล 3x3 แรกแอนและ
5x5 สองแอน; และ (ง) ค่าเบี่ยงเบนมาตรฐานของ
ความเข้มของพิกเซลในเคอร์เนล 3x3 แรกแอนและ
5x5 สองแอน
รายการ (ก) และ (ข) ที่เกี่ยวข้องกับ กลยุทธ์การฝึกอบรมที่มีการรายงานใน [8] เนื่องจากภาพของ
ดอกเบี้ยที่มีความซับซ้อนกว่าการทำงานก่อนหน้านี้ที่เรามีให้บริการ
ข้อมูลสถิติ (ค) และ (ง) Levenberg-Marquardt เป็น
อัลกอริทึมที่ใช้ในขั้นตอนการฝึกอบรม [9] หยุด
เกณฑ์ถูกกำหนดให้ 10000 epochs หรือ MSE สำหรับการฝึกอบรม
ระยะต่ำกว่า 10-10 •

ผลลัพธ์ (ไทย) 3:

ปัจจุบันทำงาน เราใช้ 2 ทาง . งานแรกของแอนคือ ส่วนภาพที่น่าสนใจ ( รูปที่ 2 ) ในภูมิภาคนั่นคือขอบเขตของพิกเซลสีขาว ( ซึ่งประกอบด้วย พลาสติกพิกเซลขอบและแมลงพิกเซล ) และพิกเซลสีขาวปลอด ( ซึ่งประกอบด้วยพิกเซลพลาสติกสีเทาพิกเซลพื้นหลัง ) ที่ปัจจัยการผลิตสำหรับทั้งสองทางคือ ( ก ) ความเข้มของเป้าหมายพิกเซล ( ข ) ค่าเฉลี่ยของความเข้มของ 8-connected พิกเซล ( 8พิกเซลพิกเซลโดยรอบเป้าหมาย ) ; ( c ) ค่าเฉลี่ยของความเข้มของพิกเซลในเคอร์เนล 3x3 เป็นครั้งแรก แอน และ5x5 สำหรับที่สอง แอน และ ( d ) ส่วนเบี่ยงเบนมาตรฐานของความเข้มของพิกเซลในเคอร์เนล 3x3 เป็นครั้งแรก แอน และ5x5 สำหรับสองอัน รายการ ( ก ) และ ( ข ) เกี่ยวข้องกับอบรมกลยุทธ์การรายงานใน [ 8 ] ตั้งแต่ภาพผลประโยชน์มันซับซ้อนกว่านั้นก่อนหน้างานเราให้สถิติข้อมูล ( c ) และ ( d ) levenberg มาร์คว คือขั้นตอนวิธีที่ใช้ในขั้นตอนการฝึกอบรม [ 9 ] การหยุดเกณฑ์ตั้งไว้ที่ 10 , 000 ยุคสมัยหรือ MSE สำหรับการฝึกอบรมระยะต่ำกว่า 10-10 -