검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Local Image Descriptors Using Supervised Kernel ICA 감독 커널 ICA를 사용하는 로컬 이미지 설명자

Masaki YAMAZAKI, Sidney FELS

  • 조회수

    0

  • 이것을 인용

요약 :

PCA-SIFT는 그라디언트 이미지 패치에 PCA를 적용하여 SIFT의 고차원성(128차원)을 줄이는 것을 목표로 하는 SIFT의 확장입니다. 그러나 PCA는 전역 특성 특성과 비지도 알고리즘으로 인해 인식에 대한 차별적 표현이 아닙니다. 또한 PCA, ICA와 같은 선형 방법은 비선형성의 경우 실패할 수 있습니다. 본 논문에서는 다음과 같은 새로운 판별 방법을 제안한다. 감독 감독된 ICA 기반 로컬 이미지 설명자와 결합된 비선형 커널 접근 방식을 사용하는 커널 ICA(SKICA). 우리의 접근 방식은 지도 학습의 장점과 커널의 비선형 속성을 혼합합니다. 5개의 서로 다른 테스트 데이터 세트를 사용하여 SKICA 설명자가 동일한 차원을 가진 다른 관련 접근 방식보다 더 나은 객체 인식 성능을 생성한다는 것을 보여줍니다. SKICA 기반 표현은 로컬 감도, 비선형 독립성 및 고급 분리성을 갖추고 있어 로컬 이미지 설명자에 대한 효과적인 방법을 제공합니다.

발행
IEICE TRANSACTIONS on Information Vol.E92-D No.9 pp.1745-1751
발행일
2009/09/01
공개일
온라인 ISSN
1745-1361
DOI
10.1587/transinf.E92.D.1745
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

키워드