TH30629B - วิธีการเลือกเวคเตอร์การเคลื่อนไหวและอุปกรณ์ผลิตภาพที่ใช้วิธีนี้ - Google Patents
วิธีการเลือกเวคเตอร์การเคลื่อนไหวและอุปกรณ์ผลิตภาพที่ใช้วิธีนี้Info
- Publication number
- TH30629B TH30629B TH9501003226A TH9501003226A TH30629B TH 30629 B TH30629 B TH 30629B TH 9501003226 A TH9501003226 A TH 9501003226A TH 9501003226 A TH9501003226 A TH 9501003226A TH 30629 B TH30629 B TH 30629B
- Authority
- TH
- Thailand
- Prior art keywords
- value
- vector
- function
- norm
- smallest
- Prior art date
Links
- 239000013598 vector Substances 0.000 title claims abstract 24
- 238000000034 method Methods 0.000 title claims abstract 14
- 238000004364 calculation method Methods 0.000 claims 3
- 230000000295 complement effect Effects 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
Abstract
วิธีการเลือกเวคเตอร์การเคลื่อนไหวในระบบตัวประมาณการเคลื่อนไหวจะเกี่ยวข้องกับ การคำนวณค่าของฟังก์ชันประเมินค่า ค่าของฟังก์ชันประเมินค่าแต่ละค่าสอดคล้องกับกลุ่มของ พิกเซิลของหน้าต่างอ้างอิงเมื่อเทียบกับกลุ่มของพิกเซิลปัจจุบัน และตำแหน่งสัมพัทธ์ของกลุ่มที่กล่าว แล้วถูกอธิบายด้วยเวคเตอร์การเคลื่อนไหว วิธีการนั้นยังเกี่ยวข้องกับการหาค่าที่เล็กที่สุดของฟังก์ชัน ประเมินค่าและการเปรียบเทียบค่านอร์มของเวคเตอร์ที่เกี่ยวข้องกับค่าที่เล็กที่สุดนั้น โดยเวคเตอร์นั้น จะมีค่านอร์มเล็กที่สุดที่เลือกจากเวคเตอร์การเคลื่อนไหวที่เกี่ยวข้องนั้น
Claims (9)
1. วิธีการเลือกเวคเตอร์การเคลื่อนไหวในระบบที่ประกอบรวมด้วย ตัวประมาณการ เคลื่อนไหว ตัวประมาณการเคลือนไหวที่กล่าวแล้ว คำนวณค่าของฟังก์ชันประเมิณค่า ค่าแต่ละค่า สอดคล้องกับกลุ่มของพิกเซิลของหน้าต่างอ้างอิงเมื่อเทียบกับกลุ่มของพิกเซิลปัจจุบัน ตำแหน่ง สัมพัทธ์ของกลุ่มที่กล่าวแล้วสามารถอธิบายได้ด้วยเวคเตอร์การเคลื่อนไหวเวคเตอร์หนึ่งวิธีที่ กล่าวแล้วมีลักษณะที่ประกอบด้วยขั้นตอนของ การหาค่าที่เล็กที่สุดของฟัก์ชันประเมินค่าที่กล่าวแล้ว การคำนวณนอร์มของเวคเตอร์ที่เกี่ยวข้องกับค่าที่เล็กที่สุดที่กล่าวมาแล้ว การเปรียบเทียบค่านอร์มที่กล่าวแล้ว และ การเลือกเวคเตอร์ที่มีค่านอร์มเล็กที่สุดจากเวคเตอร์ที่เกี่ยวข้องที่กล่าวแล้ว
2. วิธีของข้อถือสิทธิข้อที่ 1 ที่ซึ่งขั้นตอนการคำนวณที่กล่าวมาแล้วประกอบรวมด้วยการคำนวณฟังก์ชัน ll(X,Y)ll = max{lXl,lYl} ซึ่ง X และ Yแสดงถึงค่าโคออร์ดิเนตของเวคเตอร์
3. วิธีของข้อถือสิทธิข้อที่ 2 ซึ่ง ยังรวมถึงขั้นตอนของการกลับค่าบิตของค่าโคออร์ดิเนต เมื่อค่าโคออร์ดิเนตที่กล่าวแล้วเป็นลบ เพื่อให้ได้ค่าสมบูรณ์ที่ถูกดัดแปลงของค่าโคออร์ดิเนต เข้ารหัส คู่ประกอบของสอง
4. วิธีของข้อถือสิทธิข้อที่ 1 ที่ซึ่ง หน้าต่างอ้างอิงถูกตรวจสอบในลักษณะที่ว่า ค่า โคออร์ดิเนตของเวคเตอร์การเคลื่อนไหวเป็นฟังก์ชันที่เพิ่มขึ้น และเมื่อเวคเตอร์หลายเวคเตอร์ สอดคล้องกับค่าที่เล็กที่สุดที่กล่าวแล้วของฟังก์ชันประเมินค่าเวตเตอร์สุดท้ายในลำดับการตรวจสอบ จะถูกเลือก
5. วิธีของข้อถือสิทธิข้อที่ 1 ที่ซึ่ง ฟังช์ชันประเมินค่าอยู่ในรูปต่อไปนี้ Err(m,n)=EiEjD(a(i,j),b(i+m,j+n)) เมื่อ D(x,y) = l x-y l หรือ D(x,y) = /(x2+y2)
6. อุปกรณ์ประมาลผลภาพที่ประกบอรวมด้วย ตัวประมาณการเคลื่อนไหว ตัวประมาณ การเคลื่อนไหวที่กล่าวแล้วคำนวณค่าของฟังก์ชันประเมิณค่า ค่าแต่ละค่าสอดคล้องกับกลุ่มของพิกเซิล ของหน้าต่างอ้างอิงเมื่อเทียบกับกลุ่มของพิกเซิลปัจจุบัน ตำแหน่งสัมพัทธ์ของกลุ่มที่กล่าวแล้ว สามารถอธิบายได้ด้วยเวคเตอร์การเคลื่อนไหว อุปกรณ์ที่กล่าวแล้วประกอบรวมด้วย วิถีทางสำหรับคำนวณหาค่านอร์มของเวคเตอร์การเคลื่อนไหว วิถีทางสำหรับเปรียบเทียบค่าของฟังก์ชันประเมินค่าที่เกี่ยวข้องกับเวคเตอร์แต่ละเวคเตอร์ ของเวคเตอร์ที่กล่าวมาแล้ว วิถีทางสำหรับเปรียบเทียบค่านอร์มของเวคเตอร์ที่อย่างน้อยที่สุดเกี่ยวข้องกับค่าที่ต้องการของฟังก์ชันประเมินค่าที่กล่าวมาแล้ว และ วิถีทางสำหรับกเก็บเวคเตอร์ตัวหนึ่งของเวคเตอร์ที่กล่าวแล้วที่มีค่านอร์มที่เล็กที่สุด
7. อุปกรณ์ตามข้อถือสิทธิข้อที่ 6 ที่ซึ่ง ฟังก์ชันประเมินค่าที่กล่างแล้วเป็นฟงก์ชันของการเสีย รูปที่อยู่ระหว่างกลุ่มปัจจุบันดังกล่าวและกลุ่มของหน้าต่างอ้างอิงดังกล่าว
8. อุปกรณ์ตามข้อถือสิทธิข้อที่ 6 ที่ซึ่ง วิถีทางดังกล่าวสำหรับคำนวณหาค่านอร์มของ เวคเตอร์รวมถึงประตูตรรกะเป็นการทำเอกซืคลูซีฟ OR ((Exclusive OR) หรือ (XOR) ระหว่าง ส่วนประกอบ (X,Y) แต่ละค่าของเวคเตอร์และบิตเครื่องหมายที่เกี่ยวข้อง
9. อุปกรณ์ตามข้อถือสิทธิข้อที่ 8 ที่ซึ่งวิถีทางคำนวณหาค่านอร์มดังกล่าวรวมถึงตัว เปรียบเทียบ และตัวมัชติแพล็กเซอร์สำหรับหาค่าที่เล็กที่สุดของส่วนประกอบ ที่ออกจากฟังก์ชัน เอกซ์คลูซีฟ OR ดังกล่าว
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TH22907A TH22907A (th) | 1997-01-07 |
| TH30629B true TH30629B (th) | 2011-09-12 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100307883B1 (ko) | 정합화소수를이용한유사도측정방법및이를구현하기위한장치 | |
| US5259064A (en) | Signal processing apparatus having at least one neural network having pulse density signals as inputs and outputs | |
| Feng et al. | Adaptive block matching motion estimation algorithm using bit-plane matching | |
| CN111178261A (zh) | 一种基于视频编码技术的人脸检测加速方法 | |
| Do | Application of neural networks for stereo-camera calibration | |
| Casagrande et al. | On the robust stability of commensurate fractional-order systems | |
| TH30629B (th) | วิธีการเลือกเวคเตอร์การเคลื่อนไหวและอุปกรณ์ผลิตภาพที่ใช้วิธีนี้ | |
| TH22907A (th) | วิธีการเลือกเวคเตอร์การเคลื่อนไหวและอุปกรณ์ผลิตภาพที่ใช้วิธีนี้ | |
| Kim et al. | Optimal path finding with space‐and time‐variant metric weights via multi‐layer CNN | |
| He et al. | Binarizing by classification: Is soft function really necessary? | |
| Schultz et al. | Bayesian estimation of subpixel-resolution motion fields and high-resolution video stills | |
| CN113688990B (zh) | 用于电力边缘计算分类神经网络的无数据量化训练方法 | |
| Yerramalla et al. | Lyapunov stability analysis of the quantization error for DCS neural networks | |
| Lin | Hand-Written Number Classification Based on Hardware Neural Network | |
| Matsuoka et al. | A neural net for blind separation of nonstationary signal sources | |
| Schmidhuber | Adaptive history compression for learning to divide and conquer | |
| Dhondea et al. | DFTS2: Simulating deep feature transmission over packet loss channels | |
| JPH05101209A (ja) | 階層型ニユーラルネツトワークの学習方法 | |
| JP2885039B2 (ja) | 動きベクトル検出回路 | |
| Moreno-Pérez et al. | Anti-cent-dian on networks | |
| Chiang et al. | Motion estimation using a neural network | |
| Skrzypkowiak et al. | Video motion estimation using a neural network | |
| Malbasa et al. | Power system online stability assessment using active learning and synchrophasor data | |
| Ko et al. | Fast recursive algorithms for morphological operators based on the basis matrix representation | |
| KR20230085448A (ko) | 골프 스윙 모션에서 자세 추정 인공지능 모델의 성능 개선을 위한 사람 자세 좌표 보정 시스템 |