Menjawab dengan cepat
Mean Shift LSH yang merupakan peningkatan pada dari algoritma Mean Shift yang terkenal di sangat dikenal karena kemampuan segmentasi gambarnyaO ( n )O ( n2)
Beberapa penjelasan
Jika Anda menginginkan pendekatan tanpa pengawasan untuk mengelompokkan gambar, gunakan algoritma pengelompokan . Faktanya adalah bahwa ada banyak algoritma dengan kompleksitas dan spesifisitas waktu yang berbeda . Ambil yang paling terkenal, Means, itu ada di sangat cepat tetapi Anda harus menentukan berapa banyak kluster yang Anda inginkan yang tidak Anda inginkan dengan menjelajahi gambar yang tidak dikenal tanpa informasi tentang berapa banyak bentuk yang hadir di dalamnya. Selain itu bahkan jika Anda mengira bahwa Anda tahu berapa banyak bentuk yang hadir, kami dapat menganggap bahwa ada bentuk acak yang merupakan titik lain di mana Berarti gagal karena dirancang untuk menemukan cluster elips dan TIDAK.O ( n ) KKO ( n )K bentuk acak.
Sebaliknya kita memiliki Mean Shift yang dapat menemukan secara otomatis jumlah cluster - yang berguna ketika Anda tidak tahu apa yang Anda cari - dengan bentuk acak .
Tentu saja Anda mengganti parameter dari berarti dengan parameter Mean Shift yang lain yang mungkin sulit dilakukan, tetapi tidak ada alat yang memungkinkan Anda untuk melakukan sihir jika Anda tidak berolahraga untuk melakukan sihir.KKK
Saran untuk pengelompokan segmentasi gambar
Ubah ruang warna Anda dari RGB ke LUV yang lebih baik untuk jarak euclidean.
K -Means vs Mean Shift Kompleksitas waktu LSH
- Pergeseran Mean:O(α.n)
- K-Means:O(β.n)
- α>β
Berarti Shift LSH lebih lambat tetapi lebih cocok dengan kebutuhan Anda. Itu tetap linier dan juga scalable dengan implementasi yang disebutkan.
PS: Gambar profil saya adalah aplikasi Mean Shift LSH pada diri saya jika itu dapat membantu untuk mengetahui cara kerjanya.