Ποια είναι η υπολογιστική διαφορά κόστους μεταξύ ταξινόμησης εικόνας και ανίχνευσης αντικειμένου εικόνας;


Απάντηση 1:

Για να προσδιορίσετε την υπολογιστική διαφορά κόστους, θεωρήστε ότι δεν μπορούμε να ταξινομήσουμε μια εικόνα πριν την εξετάσουμε για να ανιχνεύσουμε τα αντικείμενα που περιέχει ή μπορεί να περιέχει. Αυτό σημαίνει ότι η ανίχνευση αντικειμένων είναι μια συνάρτηση γραμμής βάσης και η ταξινόμηση ακολουθεί ως ξεχωριστή κλήση πρόσθετων λειτουργιών. Επομένως, η καθαρή διαφορά είναι τουλάχιστον Ꝺ (n), και το πολύ, Big O από την πιο προγραμματιζόμενη περίπτωση της συνάρτησης ταξινόμησης εικόνων.

Η ανίχνευση αντικειμένων εικόνας απαιτεί μόνο μια λειτουργία ανίχνευσης, f (d).

Όλες οι διαδικασίες ταξινόμησης απαιτούν πρώτα ανίχνευση, για να πιστοποιηθεί ότι υπάρχει κάτι για ταξινόμηση. Εάν έχουμε κάποια νέα λειτουργία, f (c), που εκτελεί μόνο ταξινόμηση, μπορούμε να πούμε ότι το Big O για κάθε πλήρη ταξινόμηση είναι ίσο με το άθροισμα των Big Os για ανίχνευση αντικειμένων και τη νέα μας ταξινομητική λειτουργία. Γράφουμε:

Ꝺ (f (x)) = Ꝺ (f (d)) + Ꝺ (f (γ))

Ας ΔꝹ αντιπροσωπεύει την υπολογιστική διαφορά κόστους μεταξύ ταξινόμησης εικόνας και ανίχνευσης αντικειμένου εικόνας. Βλέπουμε:

Δ = Ꝺ (f (x)) - Ꝺ (f (d))

Αντικαταστήστε το f (x) και απλοποιήστε (άλγεβρα αριστερά στον εξεταστή), για να προσδιορίσετε:

ΔꝹ = Ꝺ (f (γ))