ಕಂಪ್ಯೂಟರ್ ವಿಷನ್‌ಗಾಗಿ ಚಿತ್ರ ಟಿಪ್ಪಣಿಗೆ ಅಂತಿಮ ಮಾರ್ಗದರ್ಶಿ: ಅಪ್ಲಿಕೇಶನ್‌ಗಳು, ವಿಧಾನಗಳು ಮತ್ತು ವರ್ಗಗಳು

ಈಗ ಪ್ರತಿಯೊಂದು ವಿಧಾನವನ್ನು ವಿವರವಾಗಿ ಪರಿಗಣಿಸೋಣ.

ಚಿತ್ರ ವರ್ಗೀಕರಣ

ಚಿತ್ರ ವರ್ಗೀಕರಣವು ಒಂದು ಸಂಪೂರ್ಣ ಚಿತ್ರಕ್ಕೆ ಅದರ ವಿಷಯದ ಆಧಾರದ ಮೇಲೆ ಲೇಬಲ್ ಅಥವಾ ವರ್ಗವನ್ನು ನಿಯೋಜಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ನೀವು ನಾಯಿಯ ಮೇಲೆ ಮುಖ್ಯವಾಗಿ ಕೇಂದ್ರೀಕರಿಸಿದ ಚಿತ್ರವನ್ನು ಹೊಂದಿದ್ದರೆ, ಆ ಚಿತ್ರವನ್ನು "ನಾಯಿ" ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾಗುತ್ತದೆ.

ಚಿತ್ರ ಟಿಪ್ಪಣಿ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ವಸ್ತು ಪತ್ತೆ ಅಥವಾ ಚಿತ್ರ ವಿಭಜನೆಯಂತಹ ಹೆಚ್ಚು ವಿವರವಾದ ಟಿಪ್ಪಣಿಗಳ ಮೊದಲು ಚಿತ್ರ ವರ್ಗೀಕರಣವನ್ನು ಮೊದಲ ಹಂತವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಏಕೆಂದರೆ ಇದು ಚಿತ್ರದ ಒಟ್ಟಾರೆ ವಿಷಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಲ್ಲಿ ನಿರ್ಣಾಯಕ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ.

ಉದಾಹರಣೆಗೆ, ನೀವು ಸ್ವಾಯತ್ತ ಚಾಲನಾ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ವಾಹನಗಳನ್ನು ಟಿಪ್ಪಣಿ ಮಾಡಲು ಬಯಸಿದರೆ, ನೀವು "ವಾಹನಗಳು" ಎಂದು ವರ್ಗೀಕರಿಸಿದ ಚಿತ್ರಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು ಮತ್ತು ಉಳಿದವುಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಬಹುದು. ಹೆಚ್ಚಿನ ವಿವರವಾದ ಚಿತ್ರ ಟಿಪ್ಪಣಿಗಾಗಿ ಸಂಬಂಧಿತ ಚಿತ್ರಗಳನ್ನು ಕಿರಿದಾಗಿಸುವ ಮೂಲಕ ಇದು ಸಾಕಷ್ಟು ಸಮಯ ಮತ್ತು ಶ್ರಮವನ್ನು ಉಳಿಸುತ್ತದೆ.

ಇದನ್ನು ಒಂದು ವಿಂಗಡಣೆ ಪ್ರಕ್ರಿಯೆ ಎಂದು ಭಾವಿಸಿ, ಅಲ್ಲಿ ನೀವು ಚಿತ್ರದ ಮುಖ್ಯ ವಿಷಯದ ಆಧಾರದ ಮೇಲೆ ವಿಭಿನ್ನ ಲೇಬಲ್ ಮಾಡಿದ ಪೆಟ್ಟಿಗೆಗಳಲ್ಲಿ ಚಿತ್ರಗಳನ್ನು ಹಾಕುತ್ತೀರಿ, ಅದನ್ನು ನೀವು ಮುಂದೆ ಹೆಚ್ಚು ವಿವರವಾದ ಟಿಪ್ಪಣಿಗಾಗಿ ಬಳಸುತ್ತೀರಿ.

ಮುಖ್ಯ ಅಂಶಗಳು:

• ಪ್ರತಿಯೊಂದು ವಸ್ತುವನ್ನು ಸ್ಥಳೀಕರಿಸುವ ಬದಲು ಇಡೀ ಚಿತ್ರವು ಏನನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಇದರ ಉದ್ದೇಶವಾಗಿದೆ.
• ಚಿತ್ರ ವರ್ಗೀಕರಣಕ್ಕೆ ಎರಡು ಸಾಮಾನ್ಯ ವಿಧಾನಗಳೆಂದರೆ ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣ (ಪೂರ್ವ-ಲೇಬಲ್ ಮಾಡಲಾದ ತರಬೇತಿ ಡೇಟಾವನ್ನು ಬಳಸುವುದು) ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆಯಿಲ್ಲದ ವರ್ಗೀಕರಣ (ಸ್ವಯಂಚಾಲಿತವಾಗಿ ವರ್ಗಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು).
• ಅನೇಕ ಇತರ ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಕಾರ್ಯಗಳಿಗೆ ಅಡಿಪಾಯವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ವಸ್ತು ಪತ್ತೆ

ಚಿತ್ರ ವರ್ಗೀಕರಣವು ಇಡೀ ಚಿತ್ರಕ್ಕೆ ಒಂದು ಲೇಬಲ್ ಅನ್ನು ನಿಯೋಜಿಸಿದರೆ, ವಸ್ತು ಪತ್ತೆಯು ವಸ್ತುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಮೂಲಕ ಮತ್ತು ಅವುಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುವ ಮೂಲಕ ಅದನ್ನು ಒಂದು ಹೆಜ್ಜೆ ಮುಂದೆ ಕೊಂಡೊಯ್ಯುತ್ತದೆ. ವಸ್ತುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದರ ಜೊತೆಗೆ, ಇದು ಪ್ರತಿ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್‌ಗೆ ಒಂದು ವರ್ಗ ಲೇಬಲ್ ಅನ್ನು (ಉದಾ, “ಕಾರು,” “ವ್ಯಕ್ತಿ,” “ನಿಲುಗಡೆ ಚಿಹ್ನೆ”) ನಿಯೋಜಿಸುತ್ತದೆ, ಇದು ಚಿತ್ರವು ಹೊಂದಿರುವ ವಸ್ತುವಿನ ಪ್ರಕಾರವನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಕಾರುಗಳು, ಪಾದಚಾರಿಗಳು ಮತ್ತು ಸಂಚಾರ ಚಿಹ್ನೆಗಳಂತಹ ವಿವಿಧ ವಸ್ತುಗಳನ್ನು ಹೊಂದಿರುವ ಬೀದಿಯ ಚಿತ್ರ ನಿಮ್ಮಲ್ಲಿದೆ ಎಂದು ಭಾವಿಸೋಣ. ನೀವು ಅಲ್ಲಿ ಚಿತ್ರ ವರ್ಗೀಕರಣವನ್ನು ಬಳಸಿದರೆ, ಅದು ಚಿತ್ರವನ್ನು "ರಸ್ತೆ ದೃಶ್ಯ" ಅಥವಾ ಅಂತಹುದೇನಾದರೂ ಎಂದು ಲೇಬಲ್ ಮಾಡುತ್ತದೆ.

ಆದಾಗ್ಯೂ, ವಸ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯು ಒಂದು ಹೆಜ್ಜೆ ಮುಂದೆ ಹೋಗಿ ಪ್ರತಿ ಕಾರು, ಪಾದಚಾರಿ ಮತ್ತು ಸಂಚಾರ ಚಿಹ್ನೆಯ ಸುತ್ತಲೂ ಬೌಂಡಿಂಗ್ ಪೆಟ್ಟಿಗೆಗಳನ್ನು ಎಳೆಯುತ್ತದೆ, ಮೂಲಭೂತವಾಗಿ ಪ್ರತಿಯೊಂದು ವಸ್ತುವನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರತಿಯೊಂದನ್ನು ಅರ್ಥಪೂರ್ಣ ವಿವರಣೆಯೊಂದಿಗೆ ಲೇಬಲ್ ಮಾಡುತ್ತದೆ.

ಮುಖ್ಯ ಅಂಶಗಳು:

• ಪತ್ತೆಯಾದ ವಸ್ತುಗಳ ಸುತ್ತಲೂ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್‌ಗಳನ್ನು ಸೆಳೆಯುತ್ತದೆ ಮತ್ತು ಅವರಿಗೆ ವರ್ಗ ಲೇಬಲ್ ಅನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ.
• ಚಿತ್ರದಲ್ಲಿ ಯಾವ ವಸ್ತುಗಳು ಇರುತ್ತವೆ ಮತ್ತು ಅವು ಎಲ್ಲಿವೆ ಎಂಬುದನ್ನು ಇದು ನಿಮಗೆ ತಿಳಿಸುತ್ತದೆ.
• ವಸ್ತು ಪತ್ತೆಗೆ ಕೆಲವು ಜನಪ್ರಿಯ ಉದಾಹರಣೆಗಳೆಂದರೆ R-CNN, ಫಾಸ್ಟ್ R-CNN, YOLO (ನೀವು ಒಮ್ಮೆ ಮಾತ್ರ ನೋಡಿ), ಮತ್ತು SSD (ಸಿಂಗಲ್ ಶಾಟ್ ಡಿಟೆಕ್ಟರ್).

ವಿಭಜನೆ

ಚಿತ್ರ ವಿಭಜನೆ ಎಂದರೆ ಚಿತ್ರವನ್ನು ಬಹು ಭಾಗಗಳಾಗಿ ಅಥವಾ ಪಿಕ್ಸೆಲ್‌ಗಳ ಸೆಟ್‌ಗಳಾಗಿ (ಸೂಪರ್-ಪಿಕ್ಸೆಲ್‌ಗಳು ಎಂದೂ ಕರೆಯುತ್ತಾರೆ) ವಿಭಜಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದ್ದು, ಇದರಿಂದ ನೀವು ಮೂಲ ಚಿತ್ರಕ್ಕಿಂತ ಹೆಚ್ಚು ಅರ್ಥಪೂರ್ಣ ಮತ್ತು ವಿಶ್ಲೇಷಿಸಲು ಸುಲಭವಾದದ್ದನ್ನು ಸಾಧಿಸಬಹುದು.

ಚಿತ್ರ ವಿಭಜನೆಯಲ್ಲಿ 3 ಮುಖ್ಯ ವಿಧಗಳಿವೆ, ಪ್ರತಿಯೊಂದೂ ವಿಭಿನ್ನ ಬಳಕೆಗೆ ಉದ್ದೇಶಿಸಲಾಗಿದೆ.

1. ಲಾಕ್ಷಣಿಕ ವಿಭಜನೆ

   ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯಲ್ಲಿ ಇದು ಮೂಲಭೂತ ಕಾರ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಅಲ್ಲಿ ನೀವು ಚಿತ್ರವನ್ನು ಬಹು ಭಾಗಗಳಾಗಿ ವಿಭಜಿಸುತ್ತೀರಿ ಮತ್ತು ಪ್ರತಿ ವಿಭಾಗವನ್ನು ಒಂದು ಶಬ್ದಾರ್ಥದ ಲೇಬಲ್ ಅಥವಾ ವರ್ಗದೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತೀರಿ. ಚಿತ್ರ ವರ್ಗೀಕರಣಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿ, ನೀವು ಸಂಪೂರ್ಣ ಚಿತ್ರಕ್ಕೆ ಒಂದೇ ಲೇಬಲ್ ಅನ್ನು ನಿಯೋಜಿಸುತ್ತೀರಿ, ಶಬ್ದಾರ್ಥದ ವಿಭಾಗೀಕರಣವು ಚಿತ್ರದ ಪ್ರತಿಯೊಂದು ಪಿಕ್ಸೆಲ್‌ಗೆ ವರ್ಗ ಲೇಬಲ್ ಅನ್ನು ನಿಯೋಜಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಚಿತ್ರ ವರ್ಗೀಕರಣಕ್ಕೆ ಹೋಲಿಸಿದರೆ ನೀವು ಸಂಸ್ಕರಿಸಿದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೊಂದುತ್ತೀರಿ.

   ಪಿಕ್ಸೆಲ್ ಮಟ್ಟದಲ್ಲಿ ಪ್ರತಿ ವಸ್ತು, ಮೇಲ್ಮೈ ಅಥವಾ ಪ್ರದೇಶದ ಗಡಿಗಳು ಅಥವಾ ಬಾಹ್ಯರೇಖೆಗಳನ್ನು ನಿಖರವಾಗಿ ರಚಿಸುವ ಮೂಲಕ ಚಿತ್ರವನ್ನು ಹರಳಿನ ಮಟ್ಟದಲ್ಲಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಶಬ್ದಾರ್ಥದ ವಿಭಜನೆಯ ಗುರಿಯಾಗಿದೆ.

   ಮುಖ್ಯ ಅಂಶಗಳು:

   • ಒಂದು ವರ್ಗದ ಎಲ್ಲಾ ಪಿಕ್ಸೆಲ್‌ಗಳು ಒಟ್ಟಿಗೆ ಗುಂಪು ಮಾಡಲ್ಪಟ್ಟಿರುವುದರಿಂದ, ಒಂದೇ ವರ್ಗದ ವಿಭಿನ್ನ ನಿದರ್ಶನಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
   • ಎಲ್ಲಾ ಪಿಕ್ಸೆಲ್‌ಗಳನ್ನು ಲೇಬಲ್ ಮಾಡುವ ಮೂಲಕ ನಿಮಗೆ "ಸಮಗ್ರ" ನೋಟವನ್ನು ನೀಡುತ್ತದೆ ಆದರೆ ಪ್ರತ್ಯೇಕ ವಸ್ತುಗಳನ್ನು ಬೇರ್ಪಡಿಸುವುದಿಲ್ಲ.
   • ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಇದು ಸಂಪೂರ್ಣ ಕನ್ವಲ್ಯೂಷನಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು (ಎಫ್‌ಸಿಎನ್‌ಗಳು) ಬಳಸುತ್ತದೆ, ಅದು ಇನ್‌ಪುಟ್‌ನ ಅದೇ ರೆಸಲ್ಯೂಶನ್‌ನೊಂದಿಗೆ ವರ್ಗೀಕರಣ ನಕ್ಷೆಯನ್ನು ಔಟ್‌ಪುಟ್ ಮಾಡುತ್ತದೆ.

2. ನಿದರ್ಶನ ವಿಭಜನೆ

   ನಿದರ್ಶನ ವಿಭಜನೆಯು ಶಬ್ದಾರ್ಥದ ವಿಭಜನೆಯನ್ನು ಮೀರಿ ಒಂದು ಹೆಜ್ಜೆ ಮುಂದೆ ಹೋಗಿ ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸುವುದಲ್ಲದೆ, ಪ್ರತಿಯೊಂದು ವಸ್ತುವಿನ ಗಡಿಗಳನ್ನು ನಿಖರವಾಗಿ ವಿಭಜಿಸುತ್ತದೆ ಮತ್ತು ವಿವರಿಸುತ್ತದೆ, ಇದನ್ನು ಯಂತ್ರವು ಸುಲಭವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು.

   ನಿದರ್ಶನ ವಿಭಾಗದಲ್ಲಿ, ಪತ್ತೆಯಾದ ಪ್ರತಿಯೊಂದು ವಸ್ತುವಿನೊಂದಿಗೆ, ಅಲ್ಗಾರಿದಮ್ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್, ವರ್ಗ ಲೇಬಲ್ (ಉದಾ, ವ್ಯಕ್ತಿ, ಕಾರು, ನಾಯಿ) ಮತ್ತು ನಿರ್ದಿಷ್ಟ ವಸ್ತುವಿನ ನಿಖರವಾದ ಗಾತ್ರ ಮತ್ತು ಆಕಾರವನ್ನು ತೋರಿಸುವ ಪಿಕ್ಸೆಲ್-ವಾರು ಮುಖವಾಡವನ್ನು ಒದಗಿಸುತ್ತದೆ.

   ಶಬ್ದಾರ್ಥದ ವಿಭಜನೆಗೆ ಹೋಲಿಸಿದರೆ ಇದು ಹೆಚ್ಚು ಜಟಿಲವಾಗಿದೆ, ಅಲ್ಲಿ ಪ್ರತಿಯೊಂದು ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಒಂದೇ ರೀತಿಯ ವಿಭಿನ್ನ ವಸ್ತುಗಳನ್ನು ಬೇರ್ಪಡಿಸದೆ ಒಂದು ವರ್ಗದೊಂದಿಗೆ ಲೇಬಲ್ ಮಾಡುವುದು ಗುರಿಯಾಗಿದೆ.

   ಮುಖ್ಯ ಅಂಶಗಳು:

   • ಪ್ರತಿಯೊಂದಕ್ಕೂ ವಿಶಿಷ್ಟವಾದ ಲೇಬಲ್ ನೀಡುವ ಮೂಲಕ ಪ್ರತ್ಯೇಕ ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ.
   • ಇದು ಜನರು, ಪ್ರಾಣಿಗಳು ಮತ್ತು ವಾಹನಗಳಂತಹ ಸ್ಪಷ್ಟ ಆಕಾರಗಳನ್ನು ಹೊಂದಿರುವ ಎಣಿಸಬಹುದಾದ ವಸ್ತುಗಳ ಮೇಲೆ ಹೆಚ್ಚು ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ.
   • ಇದು ಪ್ರತಿ ವರ್ಗಕ್ಕೆ ಒಂದು ಮುಖವಾಡವನ್ನು ಬಳಸುವ ಬದಲು ಪ್ರತಿ ವಸ್ತುವಿಗೆ ಪ್ರತ್ಯೇಕ ಮುಖವಾಡವನ್ನು ಬಳಸುತ್ತದೆ.
   • ಹೆಚ್ಚುವರಿ ವಿಭಾಗದ ಶಾಖೆಯ ಮೂಲಕ ಮಾಸ್ಕ್ R-CNN ನಂತಹ ವಸ್ತು ಪತ್ತೆ ಮಾದರಿಗಳನ್ನು ವಿಸ್ತರಿಸಲು ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.

3. ಪನೋಪ್ಟಿಕ್ ವಿಭಜನೆ

   ಪನೋಪ್ಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್ ಶಬ್ದಾರ್ಥದ ವಿಭಾಗ ಮತ್ತು ನಿದರ್ಶನ ವಿಭಜನೆಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ. ಪ್ಯಾನೋಪ್ಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್ ಅನ್ನು ಬಳಸುವ ಅತ್ಯುತ್ತಮ ಭಾಗವು ಚಿತ್ರದ ಪ್ರತಿ ಪಿಕ್ಸೆಲ್‌ಗೆ ಶಬ್ದಾರ್ಥದ ಲೇಬಲ್ ಮತ್ತು ನಿದರ್ಶನ ID ಯನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ, ಇದು ನಿಮಗೆ ಸಂಪೂರ್ಣ ದೃಶ್ಯದ ಸಂಪೂರ್ಣ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಒಂದೇ ಸಮಯದಲ್ಲಿ ನೀಡುತ್ತದೆ.

   ಪ್ಯಾನೊಪ್ಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್‌ನ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸೆಗ್ಮೆಂಟೇಶನ್ ಮ್ಯಾಪ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಅಲ್ಲಿ ಪ್ರತಿ ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಸೆಮ್ಯಾಂಟಿಕ್ ಕ್ಲಾಸ್ ಮತ್ತು ನಿದರ್ಶನ ಐಡಿ (ಪಿಕ್ಸೆಲ್ ವಸ್ತುವಿನ ನಿದರ್ಶನಕ್ಕೆ ಸೇರಿದ್ದರೆ) ಅಥವಾ ಶೂನ್ಯ (ಪಿಕ್ಸೆಲ್ ಯಾವುದೇ ನಿದರ್ಶನಕ್ಕೆ ಸೇರಿಲ್ಲದಿದ್ದರೆ) ನೊಂದಿಗೆ ಲೇಬಲ್ ಮಾಡಲಾಗುತ್ತದೆ.

   ಆದರೆ ಕೆಲವು ಸವಾಲುಗಳೂ ಇವೆ. ಇದು ಮಾದರಿಯು ಎರಡೂ ಕಾರ್ಯಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ನಿರ್ವಹಿಸುವ ಮತ್ತು ಶಬ್ದಾರ್ಥ ಮತ್ತು ನಿದರ್ಶನ ಮುನ್ಸೂಚನೆಗಳ ನಡುವಿನ ಸಂಭಾವ್ಯ ಸಂಘರ್ಷಗಳನ್ನು ಪರಿಹರಿಸುವ ಅಗತ್ಯವಿದೆ, ಇದಕ್ಕೆ ಹೆಚ್ಚಿನ ಸಿಸ್ಟಮ್ ಸಂಪನ್ಮೂಲಗಳು ಬೇಕಾಗುತ್ತವೆ ಮತ್ತು ಶಬ್ದಾರ್ಥ ಮತ್ತು ನಿದರ್ಶನಗಳೆರಡೂ ಸಮಯದ ಮಿತಿಗಳೊಂದಿಗೆ ಅಗತ್ಯವಿರುವಲ್ಲಿ ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ.

   ಮುಖ್ಯ ಅಂಶಗಳು:

   • ಇದು ಪ್ರತಿ ಪಿಕ್ಸೆಲ್‌ಗೆ ಲಾಕ್ಷಣಿಕ ಲೇಬಲ್ ಮತ್ತು ನಿದರ್ಶನ ID ಯನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ.
   • ಶಬ್ದಾರ್ಥದ ಸಂದರ್ಭ ಮತ್ತು ನಿದರ್ಶನ-ಮಟ್ಟದ ಪತ್ತೆಯ ಮಿಶ್ರಣ.
   • ಸಾಮಾನ್ಯವಾಗಿ, ಇದು ಹಂಚಿಕೆಯ ಬೆನ್ನೆಲುಬಿನೊಂದಿಗೆ ಪ್ರತ್ಯೇಕ ಲಾಕ್ಷಣಿಕ ಮತ್ತು ನಿದರ್ಶನ ವಿಭಜನೆ ಮಾದರಿಗಳ ಬಳಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

   ಲಾಕ್ಷಣಿಕ ವಿಭಜನೆ, ನಿದರ್ಶನ ವಿಭಜನೆ ಮತ್ತು ಪನೋಪ್ಟಿಕ್ ವಿಭಜನೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಸೂಚಿಸುವ ಸರಳ ವಿವರಣೆ ಇಲ್ಲಿದೆ: