$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

이진 특징 기술자의 군집화를 이용한 특징점 고속 정합
Fast keypoint matching using clustering of binary descriptors 원문보기

한국방송공학회 2012년도 추계학술대회, 2012 Nov. 03, 2012년, pp.9 - 10  

박정식 (한양대학교) ,  박종일 (한양대학교)

초록
AI-Helper 아이콘AI-Helper

이진 특징 기술자는 실수 벡터 형태의 특징 기술자보다 빠르게 특징점 추출정합이 가능하고 메모리 공간도 적게 차지하는 장점이 있다. 하지만, 특징점의 수가 많아질수록 정합에 많은 시간이 소요되므로 실시간 처리가 중요한 객체 추적에 적용하기 위해서는 정합의 고속화 방법에 대한 연구가 필요하다. 이에 본 논문에서는 이진 특징 기술자의 군집화를 통한 특징점의 고속 정합 방법을 제안한다. 제안된 방법은 k-means 군집화 알고리즘을 기반으로 정합을 위한 기술자 탐색을 효과적으로 수행함으로써 군집화를 사용하지 않는 기존의 정합 방법에 비해 빠르면서도 높은 정확도를 유지한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 이진 특징 기술자의 군집화를 통한 특징점의 고속 정합 방법을 제안하였다. 제안된 방법은 k-means 군집화 알고리즘에 기반한 정합 방법으로써 군집화를 사용하지 않는 기존의 정합 방법에 비해 빠르면서도 높은 정확도를 유지함을 확인하였다.
  • 적용할 경우에 어려움이 있다. 이러한 문제를 해결하기 위해서 이진 특징 기술자의 고속 정합 방법에 대한 연구가 진행되고 왔으몌6], 본 논문에서는 k-means 군집화를 이용하여 이진 특징 기술자의 고속 정합 방법을 제안한다. 제안하는 방법은 군집화를 사용하지 않는 기존의 정합 방법에 비해 빠르면서도 높은 정확도를 유지하며, 실험 결과를 통해 이를 검증한다.
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로