Normally, the classification step o

Normally, the classification step outputs a lot of small regions. Their size, depending
on the sensitivity of the segmentation, may prove too small for a later interpretation.
The classification step must be followed by region merging in order to combine similar
small regions under a single label. Region merging may utilize other information, such
as motion. A map of static regions obtained by simple frame differencing can provide
information about the motion activity of neighbouring patches candidate for merging [49].
Texture classification can also be effectively combined with color classification based on
the confidence of the two classification schemes [101].

Kết quả (Việt) 1:

Thông thường, bước đầu phân loại kết quả đầu ra rất nhiều khu vực nhỏ. Kích thước của họ, tùy thuộctrên sự nhạy cảm của phân khúc, có thể chứng minh quá nhỏ cho một giải thích sau đó.Bước phân loại phải được tiếp theo là vùng hợp nhất để kết hợp tương tựkhu vực nhỏ dưới một nhãn hiệu duy nhất. Vùng hợp nhất có thể sử dụng các thông tin khác, như vậynhư là chuyển động. Bản đồ khu vực tĩnh được khung đơn giản differencing có thể cung cấpthông tin về các hoạt động chuyển động của lân cận bản vá lỗi ứng cử viên cho sáp nhập [49].Phân loại kết cấu cũng có thể được hiệu quả kết hợp với màu sắc phân loại dựa trênsự tin cậy của các chương trình phân loại hai [101].

Kết quả (Việt) 3:

Thông thường, loại bước đầu ra nhiều khu vực nhỏ.Kích cỡ của chúng, phụ thuộcVề phân chia độ nhạy, có thể chứng minh là quá nhỏ, dùng để sau này giải thích.Phân loại theo khu vực bước phải hợp nhất, để kết hợp tương tự.Thẻ riêng lẻ dưới khu vực nhỏ.Khu vực này kết hợp có thể sử dụng những thông tin khác, ví dụ nhưNhư thể thao.Bản đồ khu vực tĩnh thông qua đơn giản có thể cung cấp khung differenceBên cạnh các hoạt động thể thao ứng viên do hợp nhất thông tin [49].Kết cấu cũng có thể kết hợp hiệu quả phân loại đất màu trên cơ sở phân loạiHai cách phân loại của các giải pháp đó [101].