In multiple object identification m

In multiple object identification method,
objects in the query image are detected and identified by clustering the keypoint matches into individual objects.

For each keypoint match, an object center position is estimated using scale and orientation associated with the keypoint.

The estimated object centers are clustered using mean shift, and each cluster is regarded as a match to the object in the database image.

Given n estimated object center positions and n initial positions of clusters , mean shift clusters estimated object centers by updating using a difference vector of and a center of gravity of near .

The computational complexity of mean shift increases with the square of .

Therefore, it takes an enormous amount of time for identifying a large amount of identical objects, such as shown in Fig. 1.

ผลลัพธ์ (ไทย) 1:

ในหลายวัตถุระบุวิธี วัตถุในรูปแบบสอบถามจะตรวจพบ และระบุตรง keypoint คลัสเตอร์ในแต่ละวัตถุ สำหรับการแข่งขันแต่ละ keypoint ตำแหน่งที่ศูนย์วัตถุเป็นประเมินโดยใช้มาตราส่วนและการวางแนวที่เกี่ยวข้องกับ keypoint ศูนย์ประเมินวัตถุจะจับกลุ่มโดยใช้ shift หมายถึง และแต่ละคลัสเตอร์เป็นตรงกับวัตถุในรูปฐานข้อมูลกำหนดตำแหน่งศูนย์ประเมินวัตถุ n และ n ตำแหน่งเริ่มต้นของคลัสเตอร์ หมายถึง คลัสเตอร์กะประมาณศูนย์วัตถุ โดยการปรับปรุงการใช้เวกเตอร์ความแตกต่างของแรงโน้มถ่วงของศูนย์ของใกล้ กะหมายถึงคำนวณซับซ้อนเพิ่มขึ้นกับกำลังสองของ ดังนั้น มันจะจำนวนเวลาสำหรับการระบุวัตถุที่เหมือนกัน จำนวนมหาศาลเช่นแสดงใน Fig. 1

ผลลัพธ์ (ไทย) 2:

ในวิธีการระบุวัตถุหลายวัตถุในภาพแบบสอบถามที่มีการตรวจพบและระบุการจัดกลุ่ม keypoint ตรงเป็นวัตถุของแต่ละบุคคล. สำหรับแต่ละการแข่งขัน keypoint เป็นตำแหน่งกลางวัตถุเป็นที่คาดกันโดยใช้ขนาดและการวางแนวทางที่เกี่ยวข้องกับ keypoint ได้. ศูนย์วัตถุที่คาดกันเป็นคลัสเตอร์ โดยใช้การเปลี่ยนแปลงค่าเฉลี่ยและแต่ละกลุ่มได้รับการยกย่องเป็นคู่กับวัตถุในภาพของฐานข้อมูล. ได้รับ n ประมาณตำแหน่งศูนย์วัตถุและ n ตำแหน่งเริ่มต้นของกลุ่มหมายถึงกลุ่มกะประมาณศูนย์วัตถุโดยการปรับปรุงโดยใช้เวกเตอร์ที่แตกต่างกันและเป็นศูนย์กลางของ แรงโน้มถ่วงของใกล้. ความซับซ้อนในการคำนวณการเพิ่มขึ้นของการเปลี่ยนแปลงที่มีค่าเฉลี่ยของตาราง. ดังนั้นจึงต้องใช้จำนวนมหาศาลของเวลาสำหรับการระบุจำนวนเงินที่มากของวัตถุที่เหมือนกันเช่นการแสดงในรูป 1

ผลลัพธ์ (ไทย) 3:

ที่ใช้ในการระบุวัตถุหลายวัตถุในรูป
สอบถามได้ตรวจพบและระบุข้อมูลที่ keypoint ตรงกันในวัตถุแต่ละ

สำหรับแต่ละ keypoint ตรงกับวัตถุตำแหน่งตรงกลาง ( ใช้ขนาดและทิศทางที่เกี่ยวข้องกับ keypoint .

) ที่ศูนย์มีการจัดกลุ่มวัตถุใช้งานหมายถึงและในแต่ละกลุ่ม ถือว่าตรงกับวัตถุในฐานข้อมูลภาพ

ให้ N ประมาณวัตถุศูนย์ตำแหน่งและตำแหน่งเริ่มต้นของกลุ่ม หมายถึง กลุ่มของวัตถุ โดยกะประมาณศูนย์ปรับปรุงการใช้ความแตกต่างของเวกเตอร์และศูนย์กลางของแรงโน้มถ่วงของใกล้

เพิ่มการคำนวณที่ซับซ้อนของกะหมายถึง ตารางของ

เพราะฉะนั้นมันต้องใช้เวลามหาศาลของเวลาสำหรับการระบุจำนวนเงินขนาดใหญ่ของวัตถุที่เหมือนกัน เช่นที่แสดงในรูปที่ 1