http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 손정은(JungEun Son) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
다양한 사람 방향을 고려한 파트 영역 기반 사람 영역 검출
손정은(JungEun Son),정지훈(JiHun Jung),고병철(ByoungChul Ko),남재열(JaeYeal Nam) 한국정보과학회 2013 정보과학회 컴퓨팅의 실제 논문지 Vol.19 No.11
본 논문에서는 파트 영역 기법과 랜덤 포레스트 분류기를 이용하여 정지 영상에서 사람 크기의 변화, 배경의 복잡도, 부분적 가려짐 등에 강건한 사람 객체 검출 알고리즘을 제안한다. 먼저 목표 사람 객체를 포함하는 윈도우에서 N개의 파트 후보 영역을 임의의 크기와 위치에 생성한다. 이후 랜덤 포레스트 분류기를 이용하여 사람 검출에 사용할 상위M개의 파트 영역을 사람의 3가지 방향(정면, 측면, 뒷면)마다 결정한다. 테스트 영상에 대해 탐색 윈도우를 설정하고, 각 방향마다 M개의 로컬 영역을 학습된 랜덤 포레스트 분류기에 적용한다. 각 방향 별 파트 영역의 확률 값을 추정하고, 추정된 확률 값을 결합하여 최고값을 갖는 방향을 선택한다. 성능 평가를 위해 Dalal[1] 등과 Bourdev[3] 등에서 제안한 사람 검출 알고리즘과 성능 비교 실험을 하였고, 그 결과 성능 면에서 우수할 뿐 아니라, 프로그램 실행시간을 상당부분 단축시켰음을 실험 결과를 통해 확인하였다. In this paper we developed a novel method for detecting multi-view humans in still images that is robust to variation of human size, cluttered background, and partial occlusion using part region and random forest classifier. To select the appropriate location and size for a part region, we generate a random set of rectangular part region. Then, we use the random forest classifier to determine M part regions in three viewpoints (front, profile, back). Given a test image, the selected part features are extracted from a search window and each M part feature is applied to its corresponding classifier. The total probability of search window is obtained based on the arithmetic average of each distribution for all part classifiers and we select the view of human as the maximum probability between three views. The experimental results showed that our algorithm improved the human detection performance compared with two related methods, Dalal [1] and Bourdev [3], and proposed method reduced the processing time remarkably.
-
Bag-of-Feature 특징과 랜덤 포리스트를 이용한 의료영상 검색 기법
손정은 ( Jungeun Son ),곽준영 ( Junyoung Kwak ),고병철 ( Byoungchul Ko ),남재열 ( Jaeyeal Nam ) 한국정보처리학회 2012 한국정보처리학회 학술대회논문집 Vol.19 No.2
본 논문에서는 의료영상의 특성을 반영하여 영상의 그래디언트 방향 값을 특징으로 하는 Oriented Center Symmetric Local Binary Patterns (OCS-LBP) 특징을 개발하고 추출된 특징 값에 대해 차원을 줄이고 의미 있는 특징 단위로 재 생성하기 위해 Bag-of-Feature (BoF)를 적용하였다. 검색을 위해서는 기존의 영상 검색 방법과는 다르게, 학습 영상을 이용하여 랜덤 포리스트 (Random Forest)를 사전에 학습시켜 데이터베이스 영상을 N 개의 클래스로 자동 분류 시키고, 질의로 입력된 영상을 같은 방법으로 랜덤 포리스트에 적용하여 상위 확률 값을 갖는 2 개의 클래스에서만 K-nearestneighbor 방법으로 유사 영상을 검색결과로 제시하는 새로운 영상검색 방법을 제시하였다. 실험결과에서 본 논문의 우수성을 증명하기 위해 일반적인 유사성 측정 방법과 랜덤 포리스트를 이용한 방법의 검색 성능 및 시간을 비교하였고, 검색 성능과 시간 면에서 상대적으로 매우 우수한 성능을 보여줌을 증명하였다.
-
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
