http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김인수(Insu Kim),성명철(Myungchul Sung),김대진(Daijin Kim) 한국정보과학회 2014 정보과학회논문지 : 소프트웨어 및 응용 Vol.41 No.6
최근 모바일 시장이 증대하면서 회전, 크기, 어파인 변환에 대해 강인하면서 동시에 고속 처리가 가능한 기술자에 대한 요구가 증가하고 있다. 본 논문에서는 2차원 영상에서 물체 인식 및 포즈 추정을 위한 영상 표현 기술인 계층적 구조 패턴에 기반한 새로운 이진 기술자(Binary descriptor)를 제안한다. 최근 제안된 이진 기술자 FREAK, BRISK 등의 연구는 기존의 SIFT-like한 기술자의 인식 성능을 유지하면서 속도를 매우 빠르게 개선하였다. 본 논문에서는 기존 연구의 객체 인식의 프레임워크를 기반으로 하는 계층적 구조 패턴 기반의 이진 기술자 생성 방법 및 변화에 강인한 주 방향을 추정하는 방법을 제안한다. 본 논문에서 제안하는 기술자의 성능을 평가하기 위하여 물체의 조명, 크기, 회전, 시점 변환이 포함된 물체 인식 DB(KAIST-DB)를 실험에 사용한다. 실험 결과 제안하는 기술자는 실시간 처리가 가능하면서 물체 인식 성능에 대해 기존 기술들 보다 더 높고 안정된 인식률을 보였다. Due to the recent growth of mobile market, the need for descriptors that are fast and yet robust to rotation, scale and affine transformations is increasing. In this paper we propose a new binary descriptor based on layered structure patterns for object recognition and pose estimation. Recently proposed binary descriptors such as FREAK and BRISK shows similar performance as the SIFT-like descriptors and yet has greatly enhanced the processing speed. In this paper, we propose a new binary descriptor based on layered structure patterns that maintains the existing framework, and also a method to estimate the dominant orientation that is robust to variations. The proposed descriptors were tested on a database(KAIST-DB) that includes illumination, scale, rotation and affine variation. The results showed that it works in real time with better and more stable performance than recently proposed binary descriptors.