類神經網路與貝氏方類法應用於影像分割之比較研究.pptVIP

類神經網路與貝氏方類法應用於影像分割之比較研究 國立台灣大學生物產業機電工程學研究所 張仁明 林達德 前 言 影像背景分割方法 自然光取像問題 光線與時間變化 不同角度取像 光源過強或不足 外界干擾 彩色影像背景分離 背景分離的方法 背景分離的方法 臨界值分離 於彩色影像中分離效果不佳 Baysian模式分離方法 假設為常態分佈 計算不同族群 多維向量 之平均值與變異矩陣 未知族群資料輸入，計算最大可能的族群 無法非線性分割 背景分離的方法 類神經網路的使用 倒傳遞類神經網路 回想計算速度快 必須考慮訓練時的成本 可非線性分割 資料的分離更具彈性 可適用範圍更大 背景分離的方法選用 考慮條件 簡單影像：貝氏 不同生長階段：類網（可非線性分割） 動態學習或精度累積：類網 程式穩定性與簡單性：類網佳（高維矩陣） 速度： 訓練時間接近（PII-350 1秒 512x512） 回想：貝氏17秒 類網5秒 結 論 色彩資訊為輸入，可以經監督式學習，使系統自動進行影像分割 提供以二維資料分佈進行分析，釐清相互影響之變因 類網對取樣是否均勻較具強健性 單純背景之情形，兩者分離結果接近 影像分割前，對應用對象進行資料分佈狀態進行瞭解，有助於選擇適用之方式 敬 請 指 教 * * G R B 二維資料分佈中心點 貝氏分類法原理 類神經網路架構 背景分離方法間的結果比較 測試條件（Bays