최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.2 no.1, 2009년, pp.23 - 28
차샘 (관동대학교 전자통신과) , 황선기 (한국폴리텍대학III 전자통신과) , 박호식 (오산대학 디지털전자과) , 배철수 (관동대학교 정보통신공학과)
Recently, the research which concerns the object class recognition has been done. Although an object tracking based on most of histograms employs a colored model to improve robustness, the system is not reliable enough yet. In this paper, we presents a method to express and track an object by using ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
히스토그램을 이용한 모델의 분명한 장점은 무엇인가? | 히스토그램을 이용한 모델의 분명한 장점은 모델의 단순성 및 다양한 응용성이라 할 수 있다. 이러한 특징의 관찰 모델이 보이는 다른 장점은 추적된 객체의 히스토그램과 가장 유사한 히스토그램을 갖는 영상 영역을 찾는 효과적인 국부 탐색구조를 보이는 것이라 할 수 있다[4]. | |
실시간 영상내의 객체 추적에 많은 어려움이 따르는 이유는? | 실시간 영상에서 객체 인식 및 추적은 수년간 컴퓨터 비전 및 여러 실용적 응용 분야에서 관심을 가지는 주제 중 하나이다. 실제로 실시간 영상내의 객체 추적은 빠른 처리와 많은 연산은 요구하고 고가의 장비가 필요하기 때문에 많은 어려움이 따른다. 연산량을 줄이고자 객체를 모델링 하였다. | |
인식을 위한 가장 바람직한 방법인 시각적 특징구성은 무엇인가? | 인식을 위한 가장 바람직한 방법은 시각적 특징구성[5]이라 할 수 있다. 각각의 유형을 위한 학습 영상으로부터 추출된 국부적 서술자를 선택하고 클러스터링 알고리듬을 위한 데이터로 사용한다. 이 클러스터는 시각적 특징을 나타낸다. 하나의 새로운 영상은 이러한 클러스터를 통하여 히스토그램으로 표현될 수 있으며 각각의 영상이 갖는 서술자는 일부 거리 척도를 사용하여 해당 클러스터에 할당된다. 마지막으로, 영상으로부터 생성된 히스토그램은 영상의 내용을 추론하기 위한 영상 서술자로 사용된다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.