Computation time averaged one minut

Computation time averaged one minute per real infrared image, almost all of it during
image processing, and this could be much improved by using C++ or Java packages rather than
Matlab. Thus there appears little advantage to processing time in attempting to reduce the
number of features considered, as by principal-components analysis; ships move slowly and are
not usually numerous in any one location, so that classification time is not too critical anyway.
Since performance was not much worse on the real images despite the presence of noise,
this suggests training on real images to eliminate the work of constructing detailed geometric
models. We need to examine performance for larger numbers of ship types or even individual
ships. We also need to eliminate common artifacts like ship shadows, reflections on the sea
surface, and heat from stacks that our preprocessing merged into the ship region.
Clearly performance of the neural network approach was much better than that of the
edge-histogram approach, and the techniques used are more robust. However, clearly some local
feature analysis would help performance judging by the mistakes made, and some of the edgehistogram
analysis could provide this. We are currently integrating work into a full ship-
16

ผลลัพธ์ (ไทย) 1:

การคำนวณเวลาเฉลี่ย 1 นาทีต่อภาพอินฟราเรดจริง เกือบทั้งหมดของมันในระหว่างประมวลผลภาพ และนี้อาจมีมากขึ้น โดยใช้แพคเกจ c ++หรือ Java แทนMatlab ดัง มีปรากฏน้อยให้ระยะเวลาในการพยายามลดการจำนวนของคุณสมบัติพิจารณา เป็นการวิเคราะห์ส่วนประกอบหลัก เรือย้ายช้า และมีมักจะไม่ได้ไปสถานที่แห่งหนึ่ง เพื่อให้การจัดประเภทเวลาไม่สำคัญเกินไปอยู่ดีตั้งแต่ประสิทธิภาพไม่เลวร้ายมากในภาพแท้จริงแม้มีเสียงแนะนำให้ฝึกจริงภาพเพื่อขจัดการทำงานก่อสร้างรายละเอียดทางเรขาคณิตรุ่น เราต้องตรวจสอบประสิทธิภาพสำหรับตัวเลขขนาดใหญ่ประเภทเรือหรือแม้บุคคลเรือ เรายังต้องกำจัดสิ่งประดิษฐ์ทั่วไปเช่นเรือเงา เงาสะท้อนในทะเลพื้นผิว และความร้อนจากกองที่ประมวลผลเบื้องต้นของเราผสานเข้าไปในเรือภูมิภาคชัดเจนของวิธีโครงข่ายประสาทดีกว่าของวิธีการขอบฮิสโตแกรม และเทคนิคที่ใช้มีประสิทธิภาพมากขึ้น อย่างไรก็ตาม ท้องถิ่นบางอย่างชัดเจนวิเคราะห์คุณลักษณะที่จะช่วยตัดสิน โดยความผิดพลาดที่ทำให้ประสิทธิภาพการทำงาน และบางส่วนของ edgehistogramวิเคราะห์สามารถให้นี้ เรากำลังจะบูรณาการทำงานในเรือเต็ม-16

ผลลัพธ์ (ไทย) 2:

เวลาในการคำนวณค่าเฉลี่ยหนึ่งนาทีต่อภาพอินฟราเรดจริงเกือบทั้งหมดของมันในระหว่าง
การประมวลผลภาพและนี้อาจจะดีขึ้นมากโดยใช้ C ++ หรือแพคเกจ Java มากกว่า
Matlab ดังนั้นจึงมีปรากฏประโยชน์เล็ก ๆ น้อย ๆ เวลาการประมวลผลในความพยายามที่จะลด
จำนวนของคุณสมบัติการพิจารณาเป็นหลักโดยการวิเคราะห์ส่วนประกอบ; เรือเคลื่อนที่อย่างช้า ๆ และมีความ
ไม่ปกติจำนวนมากในสถานที่ใด ๆ หนึ่งดังนั้นเวลาการจัดหมวดหมู่ที่ไม่สำคัญมากเกินไปต่อไป.
เนื่องจากผลการดำเนินงานไม่ได้เลวร้ายมากในภาพที่แท้จริงแม้จะมีการปรากฏตัวของเสียงรบกวน
นี้แสดงให้เห็นการฝึกอบรมในภาพที่แท้จริงที่จะกำจัดการทำงานของ รายละเอียดการสร้างรูปทรงเรขาคณิต
แบบจำลอง เราจำเป็นต้องตรวจสอบประสิทธิภาพการทำงานสำหรับตัวเลขขนาดใหญ่ประเภทเรือหรือแม้กระทั่งบุคคล
เรือ นอกจากนี้เรายังจะต้องกำจัดสิ่งประดิษฐ์ที่เหมือนกันเช่นเงาเรือสะท้อนในทะเล
พื้นผิวและความร้อนจากกองที่ประมวลผลเบื้องต้นของเรารวมเข้ามาในภูมิภาคเรือ.
ประสิทธิภาพการทำงานที่ชัดเจนของวิธีเครือข่ายประสาทเป็นมากดีกว่า
วิธีการที่ขอบแท่งและ เทคนิคที่ใช้มีความแข็งแกร่งมากขึ้น แต่เห็นได้ชัดว่าบางท้องถิ่น
วิเคราะห์คุณลักษณะจะช่วยให้ประสิทธิภาพการทำงานโดยการตัดสินความผิดพลาดที่เกิดขึ้นและบางส่วนของ edgehistogram
วิเคราะห์สามารถให้นี้ ขณะนี้เรากำลังการบูรณาการการทำงานเป็น ship- เต็ม
16

ผลลัพธ์ (ไทย) 3:

เวลาในการคำนวณเฉลี่ย 1 นาทีต่อจริงอินฟราเรดภาพเกือบหมดในระหว่างการประมวลผลภาพและนี้อาจจะดีขึ้นโดยการใช้แพคเกจ Java C + + หรือมากกว่าMatlab . จึงมีปรากฏน้อยประโยชน์พยายามที่จะลดเวลาในการประมวลผลจำนวน คุณสมบัติ พิจารณา โดยการวิเคราะห์องค์ประกอบหลัก ; เรือย้ายช้าและมักจะไม่ได้มากมายในสถานที่ใด ๆ ดังนั้นเวลาที่ถูกจัดอย่างไม่เหมือนกันอยู่แล้วตั้งแต่การแสดงก็ไม่ได้เลวร้ายมากในรูปจริงแม้จะมีการแสดงตนของเสียงนี้แสดงให้เห็นภาพที่แท้จริง การจัด งานของการสร้างรายละเอียดทางเรขาคณิตรุ่น เราต้องตรวจสอบประสิทธิภาพของตัวเลขขนาดใหญ่ของเรือแต่ละชนิด หรือแม้แต่เรือ นอกจากนี้เรายังต้องการที่จะขจัดสิ่งประดิษฐ์ทั่วไปเหมือนเงาสะท้อนในทะเลเรือพื้นผิวและความร้อนจากกองที่ติดกันของเราผสานเข้าไปในเรือ )ประสิทธิภาพของวิธีการที่ชัดเจนเครือข่ายประสาทได้ดีกว่าที่ของขอบภาพวิธีการและเทคนิคที่ใช้มีประสิทธิภาพมากขึ้น อย่างไรก็ตาม บางท้องถิ่นอย่างชัดเจนการวิเคราะห์คุณลักษณะที่จะช่วยให้งานดูจากความผิดพลาดที่เกิดขึ้น และบางส่วนของ edgehistogramการวิเคราะห์สามารถให้นี้ เรากำลังบูรณาการทำงานในเรือเต็มรูปแบบ -16