We chose the mean-shift algorithm,

We chose the mean-shift algorithm, proposed in [16], over
other segmentation methods, such as level set and graph cutbased
algorithms, for several reasons. First, the mean-shift algorithm
takes into consideration the spatial continuity inside
the image by expanding the original 3-D color range space to
5-D space, including two spatial components, since direct classification
on the pixels proved to be inefficient [16]. Second,
a number of acceleration algorithms are available [17], [23].
Third, for both mean-shift filtering and region merge methods,
the quality of the segmentation is easily controlled by the spatial
and color range resolution parameters [16], [17]. Hence, the
segmentation algorithm can be adjusted to accommodate different
degrees of skin color smoothness by changing the resolution
parameters. Finally, the mean-shift filtering algorithm is suitable
for parallel implementation since the basic processing unit
is the pixel. In this case, the high computational efficiency of
GPUs can be exploited.

ผลลัพธ์ (ไทย) 1:

เราเลือกกะหมายถึงอัลกอริทึม การนำเสนอใน [16], ไปวิธีการแบ่งเซ็กเมนต์อื่น ๆ เช่นระดับตั้ง และกราฟ cutbasedอัลกอริทึม เหตุผลหลายอย่าง แรก อัลกอริทึม shift หมายถึงจะพิจารณาความต่อเนื่องในพื้นที่ภายในภาพ โดยขยายพื้นที่ช่วงสี 3 มิติเดิมเพื่อพื้นที่ 5-D รวมถึงส่วนประกอบสองปริภูมิ ตั้งแต่การจัดประเภทโดยตรงบนพิกเซลพิสูจน์ให้ ต่ำ [16] วินาทีจำนวนเร่งอัลกอริทึมจะว่าง [17] , [23]สาม กะหมายความว่าการกรองและวิธีการรวมภูมิภาคได้มีควบคุมคุณภาพของการแบ่งกลุ่ม โดยพื้นที่และสีช่วงแก้ไขพารามิเตอร์ [16], [17] ดังนั้น การอัลกอริทึมการแบ่งเซกเมนต์สามารถปรับปรุงเพื่อรองรับแตกต่างกันองศาราบรื่นสีผิวโดยการเปลี่ยนความละเอียดพารามิเตอร์ ในที่สุด อัลกอริทึมกรองกะหมายความว่าเหมาะสมสำหรับดำเนินการคู่ขนานตั้งแต่หน่วยประมวลผลพื้นฐานพิกเซลได้ ในกรณีนี้ การคำนวณประสิทธิภาพสูงของสามารถนำไป GPUs

ผลลัพธ์ (ไทย) 2:

เราเลือกอัลกอริทึมหมายถึงการเปลี่ยนแปลงที่เสนอใน [16]
กว่าวิธีการแบ่งส่วนอื่นๆ เช่นการตั้งค่าระดับและกราฟ cutbased
ขั้นตอนวิธีการด้วยเหตุผลหลายประการ ครั้งแรกที่อัลกอริทึมหมายถึงการเปลี่ยนแปลงคำนึงถึงความต่อเนื่องเชิงพื้นที่ภายในภาพด้วยการขยายสี3 มิติเดิมพื้นที่ช่วงการพื้นที่5-D รวมทั้งสององค์ประกอบเชิงพื้นที่ตั้งแต่การจำแนกโดยตรงบนพิกเซลพิสูจน์แล้วว่าไม่มีประสิทธิภาพ[16] . ประการที่สองจำนวนของขั้นตอนวิธีการเร่งความเร็วที่มีอยู่ [17] ที่ [23]. ประการที่สามสำหรับทั้งการกรองหมายถึงการเปลี่ยนแปลงและภูมิภาครวมวิธีการที่มีคุณภาพของการแบ่งส่วนที่มีการควบคุมได้อย่างง่ายดายโดยอวกาศและสีพารามิเตอร์ละเอียดช่วง[16] [17] ดังนั้นขั้นตอนวิธีการแบ่งส่วนที่สามารถปรับเปลี่ยนเพื่อรองรับการที่แตกต่างกันองศาของความเรียบเนียนสีผิวโดยการเปลี่ยนความละเอียดพารามิเตอร์ ในที่สุดขั้นตอนวิธีการกรองหมายถึงการเปลี่ยนแปลงที่มีความเหมาะสมสำหรับการดำเนินงานคู่ขนานตั้งแต่หน่วยประมวลผลขั้นพื้นฐานเป็นพิกเซล ในกรณีนี้มีประสิทธิภาพสูงในการคำนวณGPUs สามารถใช้ประโยชน์

ผลลัพธ์ (ไทย) 3:

เราเลือกหมายถึงการเปลี่ยนแปลงขั้นตอนวิธีที่เสนอใน [ 16 ] ,
วิธีการอื่นๆ เช่น ตั้งระดับ และ กราฟ ขั้นตอนวิธี cutbased
สำหรับเหตุผลหลายประการ แรก หมายถึงการเปลี่ยนแปลงขั้นตอนวิธี
ใช้เวลาในการพิจารณาพื้นที่ต่อเนื่องข้างใน
ภาพต้นฉบับสี 3 มิติ โดยขยายพื้นที่

5-d พื้นที่รวมทั้งองค์ประกอบเชิงพื้นที่สอง ตั้งแต่
การจำแนกโดยตรงในพิกเซลพิสูจน์ไม่ได้ผล [ 16 ] 2
จำนวนของขั้นตอนวิธีการมีอยู่ [ 17 ] , [ 23 ] .
3 ทั้งหมายถึงเปลี่ยนกรองและภูมิภาครวมวิธีการ
คุณภาพของการแบ่งส่วนจะควบคุมได้อย่างง่ายดายโดยพื้นที่และช่วงความละเอียดสีค่า
[ 16 ] , [ 17 ] ดังนั้น การแบ่งส่วนขั้นตอนวิธีที่สามารถปรับให้

รองรับต่าง ๆองศาของความเรียบผิวสี โดยการเปลี่ยนความละเอียด
พารามิเตอร์ สุดท้ายกะว่าขั้นตอนวิธีการกรองเหมาะ

การขนานตั้งแต่หน่วยประมวลผลพื้นฐานเป็นพิกเซล ในกรณีนี้ ประสิทธิภาพการคำนวณสูง
GPUs สามารถใช้ประโยชน์