빠른 답변
에서 유명한 Mean Shift 알고리즘의 에서 업그레이드 된 Mean Shift LSH 는 이미지 분할 기능으로 잘 알려져 있습니다.O ( n )O ( n2)
몇 가지 설명
이미지를 세그먼트 화하기 위해 진정한 감독되지 않은 접근 방식을 원한다면 클러스터링 알고리즘을 사용하십시오 . 사실 시간 복잡성 과 특이성 이 다른 많은 알고리즘이 존재한다 . 가장 유명한 것 인 Means를 취하십시오 .O 너무 빠르지 만 얼마나 많은 모양이 있는지에 대한 정보없이 알 수없는 이미지를 탐색하여 원하는 클러스터 수를 지정해야합니다. 그 안에 선물. 또한 심지어 당신이, 우리가이 모양이 다른 점이다 임의의 것을 현재 가정 할 수 있습니다 얼마나 많은 모양을 알고 있다고 가정하면 는 타원 클러스터를 찾을 수 디자인과이기 때문에 -Means 실패 하지 않음O ( n ) K케이O ( n )케이 임의의 모양.
반대편 에는 임의의 모양으로 원하는 것을 모를 때 유용한 클러스터 수를 자동으로 찾을 수있는 평균 이동이 있습니다 .
물론 Means 의 매개 변수를 다른 평균 Shift 매개 변수로 대체하면 미세 조정하기가 까다로울 수 있지만 마술 운동을하지 않으면 마술을 할 수있는 도구는 없습니다.K케이케이
이미지 분할 클러스터링에 대한 조언
유클리드 거리에 더 적합한 RGB에서 LUV로 색상 공간을 변환하십시오.
케이 평균 대 평균 시프트 LSH 시간 복잡도
- 평균 이동 :O ( α . N )
- K- 평균 :O ( β. n )
- α > β
Mean Shift LSH는 느리지 만 필요에 더 적합합니다. 여전히 선형으로 유지 되며 언급 된 구현으로 확장 가능 합니다.
추신 : 내 프로필 사진은 Mean Shift LSH가 어떻게 작동하는지 알아내는 데 도움이된다면 직접 적용한 것입니다.