B. Testbed realizationThe classification algorithm has been implemente dịch - B. Testbed realizationThe classification algorithm has been implemente Việt làm thế nào để nói

B. Testbed realizationThe classific

B. Testbed realization
The classification algorithm has been implemented on a
real visual sensor network testbed based on BeagleBone
camera nodes operated with Debian Linux [16]. In particular,
each camera node is composed of a 1GHz battery-operated
BeagleBone Black, coupled with a low-cost VGA camera
and an IEEE 802.15.4 wireless transceiver. A laptop with
IEEE 802.15.4 communication capabilities is used as central
controller and runs a Graphical User Interface (GUI) to
control in real time the operation of camera nodes in the
network. Each camera can be operated using the CTA or
ATC paradigms, as illustrated in Figures 2(a) and 2(b). In
CTA, JPEG compressed images are transmitted from the
camera to the central controller. Here, the features described
in Section III-A are extracted and used to get the parking lot
occupancy information. From the GUI, a user can change in
real-time the JPEG quality factor and in turn the amount of
data which is generated by cameras.
Conversely, if the ATC paradigm is selected, camera nodes
extract parking features directly from the acquired images
and transmit them to the central controller. From the GUI it
is possible to change the number of bins to use in each hue
histogram, together with the number of bits to be used to represent the number of occurrences in each bin. Again, such
settings are meant to control the amount of data generated by
camera nodes. Note also that the availability of the features
at the central controller allows for the implementation of
advanced classification algorithm, e.g., by fusing features
from multiple views.
Clearly, regardless of the particular paradigm chosen (i.e.,
CTA or ATC), there is a trade-off between the amount of data
generated by cameras and the accuracy of the parking space
classification. The following section provides a detailed
experimental evaluation of the proposed system.
0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
Thử nghiệm sinh thực hiệnCác thuật toán phân loại đã được thực hiện trên mộtcảm biến hình ảnh thực sự thử nghiệm mạng dựa trên BeagleBonecamera nút hoạt động cùng với Debian Linux [16]. Đặc biệt,mỗi nút máy ảnh gồm có một 1GHz pin hoạt độngBeagleBone Black, cùng với một máy ảnh VGA giá rẻvà một IEEE 802.15.4 wireless thu phát sóng. Máy tính xách tay vớiIEEE 802.15.4 khả năng giao tiếp được sử dụng làm trung tâmbộ điều khiển và chạy một giao diện người dùng đồ họa (GUI) đểkiểm soát trong thời gian thực hoạt động của máy ảnh nút trong cácmạng. Mỗi máy ảnh có thể được vận hành bằng cách sử dụng cố vấn trưởng hoặcATC paradigms, như minh họa trong hình 2(a) và 2(b). ỞCố vấn trưởng, JPEG nén hình ảnh được truyền từ cácCamera bộ điều khiển trung tâm. Ở đây, các tính năng được mô tảtrong phần III-A là chiết xuất và sử dụng để nhận được bãi đậu xethông tin cư. Từ giao diện, người dùng có thể thay đổithời gian thực chất lượng JPEG yếu tố và lần lượt sốdữ liệu được tạo ra bởi máy ảnh.Ngược lại, nếu các mô hình ATC được chọn, các nút máy ảnhtrích xuất các tính năng đỗ xe trực tiếp từ các hình ảnh được muavà chuyển chúng cho các bộ điều khiển trung tâm. Từ GUI nócó thể thay đổi số lượng các thùng để sử dụng trong mỗi Huếbiểu đồ, cùng với số lượng bit được sử dụng để đại diện cho số lần xuất hiện trong mỗi thùng. Một lần nữa, như vậythiết lập có nghĩa là để kiểm soát số lượng dữ liệu được tạo ra bởicác nút máy ảnh. Cũng lưu ý rằng sự sẵn có của các tính năngbộ điều khiển trung tâm cho phép để thực hiệnnâng cao thuật toán phân loại, ví dụ, bằng cách nung chảy tính năngtừ nhiều lần xem.Rõ ràng, bất kể các mô hình cụ thể được lựa chọn (ví dụ,CTA hay ATC), đó là một sự đánh đổi giữa số lượng dữ liệuđược tạo ra bởi máy ảnh và độ chính xác của không gian đậu xephân loại. Phần sau đây cung cấp một chi tiếtthử nghiệm đánh giá của hệ thống đề xuất.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
B. Testbed thực hiện
các thuật toán phân loại đã được thực hiện trên một
hình ảnh thử nghiệm mạng cảm biến thực dựa trên BeagleBone
nút camera hoạt động với Debian Linux [16]. Đặc biệt,
mỗi nút máy ảnh bao gồm một 1GHz hoạt động bằng pin
BeagleBone Black, cùng với một camera VGA chi phí thấp
và một bộ thu phát không dây IEEE 802.15.4. Một máy tính xách tay với
IEEE 802.15.4 khả năng giao tiếp được sử dụng làm trung tâm
điều khiển và chạy một giao diện người dùng đồ họa (GUI) để
kiểm soát trong thời gian thực hoạt động của các nút camera trong
mạng. Mỗi camera có thể được vận hành bằng cách sử dụng CTA hoặc
mô ATC, như minh họa trong hình 2 (a) và 2 (b). Trong
CTA, JPEG nén được truyền từ
máy ảnh với bộ điều khiển trung tâm. Ở đây, các tính năng được mô tả
trong Phần III-A được trích lập và sử dụng để có được những bãi đậu xe
thông tin phòng. Từ giao diện, người dùng có thể thay đổi trong
thời gian thực các yếu tố chất lượng JPEG và lần lượt số lượng
dữ liệu được tạo ra bởi máy ảnh.
Ngược lại, nếu mô hình ATC được chọn, các nút máy ảnh
trích xuất xe tính năng trực tiếp từ những hình ảnh thu được
và truyền tải chúng với bộ điều khiển trung tâm. Từ giao diện nó
có thể thay đổi số lượng thùng để sử dụng trong mỗi màu
biểu đồ, cùng với số lượng các bit được sử dụng để đại diện cho số lần xuất hiện trong mỗi thùng. Một lần nữa, như vậy
các thiết lập có nghĩa là để kiểm soát số lượng dữ liệu được tạo ra bởi
các nút camera. Cũng lưu ý rằng sự sẵn có của các tính năng
ở bộ điều khiển trung tâm cho phép để thực hiện các
thuật toán phân loại tiên tiến, ví dụ, bằng cách nung chảy các tính năng
từ nhiều quan điểm.
Rõ ràng, không phụ thuộc vào mô hình cụ thể được chọn (tức là,
CTA hoặc ATC), có một thương mại -off giữa số lượng dữ liệu
được tạo ra bởi các máy ảnh và tính chính xác của các bãi đậu xe không gian
phân loại. Phần sau đây cung cấp một chi tiết
đánh giá thử nghiệm của hệ thống được đề xuất.
đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2025 I Love Translation. All reserved.

E-mail: