https://vik.wiki/api.php?action=feedcontributions&feedformat=atom&user=Szab%C3%B3+Bence+K%C3%A1roly 2026-05-06T09:00:40Z Felhasználó közreműködései MediaWiki 1.43.8 https://vik.wiki/index.php?title=Sz%C3%A1m%C3%ADt%C3%B3g%C3%A9pes_l%C3%A1t%C3%B3rendszerek_-_Ellen%C5%91rz%C5%91_k%C3%A9rd%C3%A9sek:_Szegment%C3%A1l%C3%A1s&diff=189701 2016-06-05T23:25:20Z

<p>Szabó Bence Károly: /* K-Means */</p> <hr /> <div>{{Vissza|Számítógépes látórendszerek}}<br /> == Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei?&lt;br/&gt;Mit jelent a szegmentálás során az idő-konzisztencia?&lt;br/&gt;A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk? ==<br /> === Szegmentálás ===<br /> Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása.<br /> [http://www.inf.u-szeged.hu/~kato/teaching/segmentation/01_segmentation.pdf Forrás]<br /> <br /> === Szükséges/Felhasználás ===<br /> *Felületleírás<br /> *Sztereó látás (élek megfeleltetése =&gt; 3Drekonstrukció)<br /> *Alakfelismerés<br /> *Képi adatbázis indexelése, keresés<br /> === Nehézségek ===<br /> * színhasonlóság<br /> * mozgás (elmosódott élek)<br /> * defókuszáltság<br /> * hasonló textúrák<br /> <br /> ==Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.==<br /> * Küszöbözés, hisztogram alapú<br /> * Éldetektálás alapú<br /> * '''Klaszterezés''': <br /> **színcsatornák<br /> **térbeli eloszlás<br /> **időbeli eloszlás<br /> * Régiónövelés<br /> * Tömörítés-alapú módszerek<br /> * Paraméteres megoldások, görbeillesztés<br /> * Modell alapú<br /> * Tanuló rendszerek<br /> <br /> ==Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?==<br /> ===K-Means===<br /> *Kiindulás<br /> **Klaszterek száma (K)<br /> **Kiindulási klaszterközéppontok (magok)<br /> *Iteráció<br /> #Pontokat a legközelebbi maghoz rendelni<br /> #Új klaszterközéppontok (átlag) számítása<br /> #Ismétlés, amíg „nagy” a változás<br /> *Előny<br /> **Gyorsabb, de a kezdeti középpontok megadására érzékeny a sebesség<br /> <br /> === Mean Shift ===<br /> *Kiindulás<br /> **Kernel típusa (Fiat, Gauss...)<br /> **Kernel mérete<br /> *Iteráció<br /> #Pontot a kernelen belüli pontok átlagához tolni<br /> #Ismétlés, amíg „nagy” a változás<br /> *Előny<br /> **Nem kell a szegmensek számát megadni induláskor, megától talál<br /> *Hátrány<br /> **Lassabb<br /> <br /> == Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket. ==<br /> Kiinduláskor a pixelek egyenként külön halmazokat alkotnak. Összehasonlítjuk őket a szomszédaikkal, hasonlóság esetén összevonjuk a halmazokat [?]. Hasonlóság lehet:<br /> * Kiválasztott (szín)csatornák<br /> * Defókuszáltság<br /> * Mélység (Mélységi képen)<br /> <br /> === SRM (Statisztikus régiónövelés) ===<br /> Gráf súlyozás a kül. alapján.<br /> <br /> === Split &amp; Merge ===<br /> *Szétválasztás csak hasonló (belül) elemekre<br /> *Hasonlóság alapján egyesítés</div>

Szabó Bence Károly https://vik.wiki/index.php?title=Sz%C3%A1m%C3%ADt%C3%B3g%C3%A9pes_l%C3%A1t%C3%B3rendszerek_-_Ellen%C5%91rz%C5%91_k%C3%A9rd%C3%A9sek:_Szegment%C3%A1l%C3%A1s&diff=189700 2016-06-05T23:22:41Z

<p>Szabó Bence Károly: /* Mean Shift */</p> <hr /> <div>{{Vissza|Számítógépes látórendszerek}}<br /> == Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei?&lt;br/&gt;Mit jelent a szegmentálás során az idő-konzisztencia?&lt;br/&gt;A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk? ==<br /> === Szegmentálás ===<br /> Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása.<br /> [http://www.inf.u-szeged.hu/~kato/teaching/segmentation/01_segmentation.pdf Forrás]<br /> <br /> === Szükséges/Felhasználás ===<br /> *Felületleírás<br /> *Sztereó látás (élek megfeleltetése =&gt; 3Drekonstrukció)<br /> *Alakfelismerés<br /> *Képi adatbázis indexelése, keresés<br /> === Nehézségek ===<br /> * színhasonlóság<br /> * mozgás (elmosódott élek)<br /> * defókuszáltság<br /> * hasonló textúrák<br /> <br /> ==Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.==<br /> * Küszöbözés, hisztogram alapú<br /> * Éldetektálás alapú<br /> * '''Klaszterezés''': <br /> **színcsatornák<br /> **térbeli eloszlás<br /> **időbeli eloszlás<br /> * Régiónövelés<br /> * Tömörítés-alapú módszerek<br /> * Paraméteres megoldások, görbeillesztés<br /> * Modell alapú<br /> * Tanuló rendszerek<br /> <br /> ==Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?==<br /> ===K-Means===<br /> *Kiindulás<br /> **Klaszterek száma (K)<br /> **Kiindulási klaszterközéppontok (magok)<br /> *Iteráció<br /> #Pontokat a legközelebbi maghoz rendelni<br /> #Új klaszterközéppontok (átlag) számítása<br /> #Ismétlés, amíg „nagy” a változás<br /> === Mean Shift ===<br /> *Kiindulás<br /> **Kernel típusa (Fiat, Gauss...)<br /> **Kernel mérete<br /> *Iteráció<br /> #Pontot a kernelen belüli pontok átlagához tolni<br /> #Ismétlés, amíg „nagy” a változás<br /> *Előny<br /> **Nem kell a szegmensek számát megadni induláskor, megától talál<br /> *Hátrány<br /> **Lassabb<br /> <br /> == Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket. ==<br /> Kiinduláskor a pixelek egyenként külön halmazokat alkotnak. Összehasonlítjuk őket a szomszédaikkal, hasonlóság esetén összevonjuk a halmazokat [?]. Hasonlóság lehet:<br /> * Kiválasztott (szín)csatornák<br /> * Defókuszáltság<br /> * Mélység (Mélységi képen)<br /> <br /> === SRM (Statisztikus régiónövelés) ===<br /> Gráf súlyozás a kül. alapján.<br /> <br /> === Split &amp; Merge ===<br /> *Szétválasztás csak hasonló (belül) elemekre<br /> *Hasonlóság alapján egyesítés</div>

Szabó Bence Károly