In particular, we adopt the dynamic

In particular, we adopt the dynamic texture
model, an auto-regressive stochastic process, which encodes the
appearance and the underlying motion separately into two
probability distributions. With this representation, retrieval of
similar video sequences and classification of traffic congestion
can be performed using the Kullback-Leibler divergence and
the Martin distance. Experimental results show good retrieval
and classification performance, with robustness to environmental
conditions such as variable lighting and shadows.

ผลลัพธ์ (ไทย) 1:

โดยเฉพาะอย่างยิ่ง เรานำมาใช้พื้นผิวแบบไดนามิกรูปแบบ อัตโนมัติลดค่าลงเรื่อย ๆ แบบเฟ้นสุ่มกระบวนการ ซึ่งจแมปลักษณะและการเคลื่อนไหวแบบแยกเป็นสองการกระจายความน่าเป็น มีการแสดงนี้ เรียกของลำดับการแสดงผลที่คล้ายกันและจัดประเภทของการจราจรที่ติดขัดใช้ divergence Kullback-Leibler และระยะห่างของมาร์ติน ผลการทดลองแสดงเรียกดีและ ประสิทธิภาพของการจัดประเภท มีเสถียรภาพเพื่อสิ่งแวดล้อมเงื่อนไขตัวแปรแสงและเงา

ผลลัพธ์ (ไทย) 2:

โดยเฉพาะอย่างยิ่งเรานำเนื้อแบบไดนามิก
รูปแบบกระบวนการสุ่มอัตโนมัติถอยหลังซึ่งถอดรหัส
ลักษณะและการเคลื่อนไหวพื้นฐานแยกออกเป็นสอง
การแจกแจงความน่าจะเป็น ด้วยการเป็นตัวแทนนี้ดึง
ลำดับวิดีโอที่คล้ายกันและการจัดหมวดหมู่ของการจราจรติดขัด
สามารถทำได้โดยใช้ความแตกต่าง Kullback-Leibler และ
ระยะทางที่มาร์ติน ผลการทดลองแสดงการดึงที่ดี
และประสิทธิภาพการจัดหมวดหมู่ที่มีความทนทานเพื่อสิ่งแวดล้อม
เงื่อนไขเช่นแสงตัวแปรและเงา

ผลลัพธ์ (ไทย) 3:

โดยเฉพาะ เรา adopt แบบเนื้อ
แบบไดนามิก , รถยนต์ถอยหลังกระบวนการ stochastic ที่ encodes
ลักษณะและพื้นฐานการเคลื่อนไหวแยกเป็นสอง
การแจกแจงความน่าจะเป็น . กับการแสดงนี้ การสืบค้น
วิดีโอลำดับคล้ายกันและประเภทของการจราจรที่ติดขัด
สามารถดำเนินการโดยใช้คัลแบ็กลี๊บเลอร์ Divergence และ
ระยะทาง มาร์ตินผลการทดลองแสดงให้เห็นว่าระบบที่ดีและประสิทธิภาพการจำแนก

กับทนทานกับสภาพแวดล้อมเช่นแสงตัวแปรและเงา