3.2.4 Non-parametric methods summar

3.2.4 Non-parametric methods summary
Two clear advantages of the non-parametric methods are i. they are
fast in training and usage and ii. they are theoretically independent
to the shape of skin distribution (which is not true for explicit skin
cluster definition and parametric skin modelling). The disadvantages
are much storage space required and inability to interpolate
or generalize the training data. If, for example, we consider RGB
quantized to 8 bits per color, we’ll need an array of 224 elements to
store skin probabilities. To reduce the amount of needed memory
and to account for possible training data sparsity, coarser colorspace
samplings are used - 128x128x128, 64x64x64 and 32x32x32. The
evaluation of different RGB samplings in [Jones and Rehg 1999]
has shown, that 32x32x32 shows the best performance

ผลลัพธ์ (ไทย) 1:

3.2.4 สรุปวิธีไม่พาราเมตริกI. จะมีสองข้อดีที่ชัดเจนของวิธีการไม่ใช่พาราเมตริกอย่างรวดเร็วในการฝึกอบรม และการใช้งาน และ ii เป็นอิสระตามหลักวิชารูปร่างของกระจายผิว (ซึ่งไม่เป็นความจริงสำหรับผิวชัดเจนคำจำกัดความของคลัสเตอร์และแบบจำลองผิวพาราเมตริก) ข้อเสียเนื้อที่ที่จำเป็นและไม่สามารถช่องมากหรือข้อมูลการฝึกอบรมทั่วไป ถ้า เช่น เราพิจารณา RGBquantized เพื่อ 8 บิตต่อสี เราจำเป็นต้องขององค์ประกอบ 224เก็บผิวกิจกรรม เพื่อลดจำนวนหน่วยความจำเป็นและการฝึกอบรมได้ข้อมูล sparsity, coarser colorspaceใช้ samplings - 128 x 128 x 128, 64 x 64 x 64 และ 32 x 32 x 32 ที่การประเมินของ samplings RGB ต่าง ๆ [โจนส์และ Rehg 1999]ได้แสดงให้เห็น ที่ 32 x 32 x 32 แสดงประสิทธิภาพสูงสุด

ผลลัพธ์ (ไทย) 2:

3.2.4
วิธีการที่ไม่เป็นตัวแปรสรุปสองข้อได้เปรียบที่ชัดเจนของวิธีการที่ไม่ใช่ตัวแปรเป็นฉัน พวกเขามีความรวดเร็วในการฝึกอบรมและการใช้งานและ ii
พวกเขามีความเป็นอิสระในทางทฤษฎีกับรูปร่างของการกระจายผิว(ซึ่งไม่เป็นความจริงสำหรับผิวอย่างชัดเจนนิยามคลัสเตอร์และการสร้างแบบจำลองผิวพารา) ข้อเสียที่มีพื้นที่จัดเก็บมากที่จำเป็นและไม่สามารถที่จะสอดแทรกหรือพูดคุยข้อมูลการฝึกอบรม ตัวอย่างเช่นหากเราจะพิจารณา RGB ไท 8 บิตต่อสีเราจะต้องอาร์เรย์ของ 224 องค์ประกอบที่จะเก็บความน่าจะเป็นผิว เพื่อลดจำนวนหน่วยความจำที่จำเป็นและเพื่อรองรับข้อมูลการฝึกอบรมที่เป็นไปได้ sparsity, หยาบ colorspace กลุ่มตัวอย่างที่ใช้ใน - 128x128x128, 64x64x64 และ 32x32x32 ประเมินผลของกลุ่มตัวอย่างแตกต่างกันใน RGB [โจนส์และ Rehg 1999] ได้แสดงให้เห็น 32x32x32 ที่แสดงให้เห็นประสิทธิภาพที่ดีที่สุด

ผลลัพธ์ (ไทย) 3:

3.2.4 ไม่ใช้พารามิเตอร์วิธีการสรุป
2 ชัดเจน ข้อดีของวิธีที่พวกเขาจะไม่ใช้พารามิเตอร์ I
อย่างรวดเร็วในการฝึกอบรมและการใช้ 2 พวกเขาทุกคนเป็นอิสระ
รูปกระจายผิว ( ซึ่งไม่เป็นความจริงให้ชัดเจนผิว
กลุ่มคำนิยามและแบบผิวพารา ) ข้อเสีย
มีมากพื้นที่จัดเก็บที่จำเป็นและไม่สามารถที่จะสอดแทรก
หรือหาข้อมูลการฝึกอบรม ตัวอย่างเช่นถ้าเราพิจารณาที่แน่นอน RGB
8 บิตต่อสี เราต้องใช้ array ขององค์ประกอบความน่าจะเป็นผิว 224

ร้าน เพื่อลดปริมาณการใช้หน่วยความจำ
และบัญชี sparsity ข้อมูลการฝึกอบรมได้โดยใช้เครื่องมือเลือกสีชนิด
- 128x128x128 64x64x64 32x32x32 , และ .
การประเมินระบบ RGB ต่างกัน [ 1999 ]
rehg โจนส์ และมีแสดงที่ 32x32x32 แสดงประสิทธิภาพที่ดีที่สุด