OEM New Common Rail Valve Assembly F00VC01329 សម្រាប់ 0445110168 169 284 315 injector

ការរកឃើញពិការភាពនៃកៅអីសន្ទះចាក់បញ្ចូលរថយន្តដោយផ្អែកទៅលើការបញ្ចូលគ្នានៃមុខងារ(ភាគ៣)

ជាលទ្ធផល ក្នុងការរកឃើញកន្លែងដាក់សន្ទះចាក់បញ្ចូល រូបភាពត្រូវបង្ហាប់ ហើយទំហំរូបភាពត្រូវបានដំណើរការទៅ 800 × 600 បន្ទាប់ពីទទួលបានទិន្នន័យរូបភាពស្តង់ដារបង្រួបបង្រួម វិធីសាស្ត្រកែលម្អទិន្នន័យត្រូវបានប្រើ ដើម្បីជៀសវាងការខ្វះខាតទិន្នន័យ។ ហើយសមត្ថភាពទូទៅនៃគំរូត្រូវបានពង្រឹង។ការពង្រឹងទិន្នន័យគឺជាផ្នែកមួយដ៏សំខាន់នៃការបណ្តុះបណ្តាលគំរូសិក្សាជ្រៅ [3] ។ជាទូទៅមានវិធីពីរយ៉ាងដើម្បីបង្កើនទិន្នន័យ។មួយគឺការបន្ថែមស្រទាប់រំខានទិន្នន័យទៅក្នុងគំរូបណ្តាញ ដើម្បីអនុញ្ញាតឱ្យរូបភាពត្រូវបានបណ្តុះបណ្តាលរាល់ពេល មានវិធីមួយទៀតដែលងាយស្រួលជាង និងសាមញ្ញ គំរូរូបភាពត្រូវបានពង្រឹងដោយការកែច្នៃរូបភាព មុនពេលបណ្តុះបណ្តាល យើងពង្រីកសំណុំទិន្នន័យដោយប្រើ វិធីសាស្ត្រកែលម្អរូបភាព ដូចជាធរណីមាត្រ និងទំហំពណ៌ ហើយប្រើ HSV ក្នុងចន្លោះពណ៌ ដូចបង្ហាញក្នុងរូបភាពទី 1។

ការកែលម្អគំរូនៃការខូចមុខងាររបស់ R-CNN លឿនជាងមុន នៅក្នុងគំរូក្បួនដោះស្រាយ Faster R-CNN ជាដំបូងអ្នកត្រូវទាញយកលក្ខណៈនៃរូបភាពបញ្ចូល ហើយលក្ខណៈពិសេសលទ្ធផលដែលបានស្រង់ចេញអាចប៉ះពាល់ដោយផ្ទាល់ដល់ប្រសិទ្ធភាពនៃការរកឃើញចុងក្រោយ។ស្នូលនៃការរកឃើញវត្ថុគឺការទាញយកលក្ខណៈពិសេស។បណ្តាញទាញយកលក្ខណៈពិសេសទូទៅនៅក្នុងគំរូក្បួនដោះស្រាយ Faster R-CNN គឺបណ្តាញ VGG-16 ។គំរូបណ្តាញនេះត្រូវបានគេប្រើប្រាស់ជាលើកដំបូងក្នុងការចាត់ថ្នាក់រូបភាព [4] ហើយបន្ទាប់មកវាមានភាពល្អប្រសើរក្នុងការបែងចែក semantic [5] និងការរកឃើញភាពប្រៃ [6] ។

បណ្តាញទាញយកលក្ខណៈពិសេសនៅក្នុងគំរូក្បួនដោះស្រាយ Faster R-CNN ត្រូវបានកំណត់ទៅ VGG-16 ទោះបីជាគំរូក្បួនដោះស្រាយមានដំណើរការល្អក្នុងការរកឃើញក៏ដោយ វាប្រើតែលទ្ធផលផែនទីលក្ខណៈពិសេសពីស្រទាប់ចុងក្រោយក្នុងការទាញយកលក្ខណៈពិសេសរូបភាព ដូច្នេះនឹងមាន ការខាតបង់មួយចំនួន និងផែនទីលក្ខណៈពិសេសមិនអាចត្រូវបានបញ្ចប់ទាំងស្រុងនោះទេ ដែលនឹងនាំឱ្យមានភាពមិនត្រឹមត្រូវក្នុងការរកឃើញវត្ថុគោលដៅតូចៗ និងប៉ះពាល់ដល់ប្រសិទ្ធភាពនៃការទទួលស្គាល់ចុងក្រោយ។