최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국통신학회논문지. The journal of Korea Information and Communications Society. 무선통신, v.38A no.6, 2013년, pp.486 - 491
정병우 (서강대학교 전자공학과 CAD&ES 연구실) , 박기영 (서강대학교 전자공학과 CAD&ES 연구실) , 황선영 (서강대학교 전자공학과 CAD&ES 연구실)
This paper proposes a fast and efficient Haar-like feature selection algorithm for training classifier used in object detection. Many features selected by Haar-like feature selection algorithm and existing AdaBoost algorithm are either similar in shape or overlapping due to considering only feature'...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
객체검출이란 무엇인가? | 객체검출 (object detection)은 영상에서 얼굴이나 차량 같은 특정 종류의 객체를 찾는 것으로 영상 검색 (image retrieval), 감시 카메라, 첨단 운전자 지원 시스템 (Advanced Driver Assistance System)을 비롯한 많은 분야에서 사용된다[1,2]. 객체검출이 다양한 분야에서 응용되기 위해서는 빠른 처리속도가 중요하다. | |
Filter model은 어떤 방법인가? | 이 방법은 피쳐의 개수가 많아질수록 유용도를 계산하는데 필요한 시간이 늘어난다는 단점이 있다[9]. Filter model은 피쳐 선택을 분류기의 학습 과정과 분리하고 다른 어떠한 학습 알고리듬과는 독립적으로 피쳐 세트를 선택하는 방법으로 학습 데이터의 각종 특징 점들을 추출하여 이를 기준으로 피쳐 세트를 선택한다. Viola와 Jones가 사용한 AdaBoost에 기반한 피쳐 선택 방법은 Wrapper model 방법보다 빠르다[11]. | |
Wrapper model의 단점은 무엇인가? | Wrapper model은 미리 정해진 학습 알고리듬의 정확도를 기반으로 선택된 피쳐 세트의 유용도를 결정한다. 이 방법은 피쳐의 개수가 많아질수록 유용도를 계산하는데 필요한 시간이 늘어난다는 단점이 있다[9]. Filter model은 피쳐 선택을 분류기의 학습 과정과 분리하고 다른 어떠한 학습 알고리듬과는 독립적으로 피쳐 세트를 선택하는 방법으로 학습 데이터의 각종 특징 점들을 추출하여 이를 기준으로 피쳐 세트를 선택한다. |
J. Lee, J, Ryu, S. Hong, and W. Cho, "Local and global collaboration for object detection enhancement with information redundancy," in Proc. 6th IEEE Int. Conf. Adv. Video and Signal Based Surveillance, pp. 358-363, Genova, Italy, Sep. 2009.
M. Yang, D. Kriegman, and N. Ahuja, "Detecting faces in images: a survey," IEEE Trans. Pattern Anal. Mach. Intell., vol. 24, no. 1, pp. 34-58, Jan. 2002.
P. Viola and M. Jones, "Robust real-time face detection," in Proc. 8th IEEE Int. Conf. Comput. Vision, vol. 2, pp. 747, Vancouver, Canada, July 2001.
Y. Freund and R. Schapire, "A decision-theoretic generalization of on-line learning and an application to boosting," Computational Learning Theory: J. Comput. Syst. Sci., vol. 55, no. 1, pp. 119-139, Aug. 1997.
J. Ren, N. Kehtarnavaz, and L. Estevez, "Real-time optimization of Viola-Jones face detection for mobile platforms," in Proc. 7th IEEE Dallas Circuits and Syst. Workshop, vol. 1, no.1, pp. 1-4, Dallas, U.S.A., Oct. 2008.
M. Kolsch and M. Turk, "Analysis of rotational robustness of hand detection with a Viola-Jones detector," in Proc. 17th Int. Conf. Pattern Recognition, vol. 3, pp. 107-110. Cambridge, U.K., Aug. 2004.
L. Acasandrei and A. Barriga-Barros, "Accelerating Viola-Jones face detection for embedded and SoC environments," in Proc. 5th ACM/IEEE Int. Conf. Distributed Smart Cameras, pp. 1-6, Ghent, Belgium, Aug. 2011.
P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," in Proc. 2001 IEEE Comput. Soc. Conf. Comput. Vision and Pattern Recognition, vol. 1, pp. 511-518, Hawaii, U.S.A., Dec. 2001.
R. Kohavi and G. John, "Wrappers for feature subset selection," Artificial Intell., vol. 97 no. 1-2, pp. 273-324, Dec. 1997.
H. Liu, H. Motoda, and L. Yu, "Feature selection with selective sampling," in Proc. 19th Int. Conf. Mach. Learning, pp. 395-402, Sydney, Australia, July 2002.
P. Viola and M. Jones, "Fast and robust classification using asymmetric AdaBoost and a detector cascade," Advances in Neural Inform. Process. Syst., vol. 14, pp. 1311-1318, Dec. 2001.
P. Pudil, J. Novovicova, and J. Kittler, "Floating search methods in feature selection," Pattern Recognition Lett., vol. 15, no. 11, pp. 1119-1125, Nov. 1994.
A. Treptow and A. Zell, "Combining Adaboost learning and evolutionary search to select features for real-time object detection," in Proc. IEEE Congr. Evol. Comput., pp. 2107-2113, Portland, U.S.A., June 2004.
C. Papageorgiou, M. Oren, and T. Poggio, "A general framework for object detection," in Proc. Int. Conf. Comput. Vision, pp. 555-562, Mumbai, India, Jan. 1998.
S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 2nd Ed., Prentice Hall, 2003.
P. Phillips, H. Moon, P. Rauss, and S. Rizvi, "The FERET evaluation methodology for face recognition algorithms," IEEE Trans. Pattern Anal. Mach. Intell., vol. 22, no. 10, pp. 1090-1104, Oct. 2000.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.