• 천문학회보
• /
• 제31권2호
• /
• pp.58.2-58.2
• /
• 2006

• 천문학회보
• /
• 제34권1호
• /
• pp.94-94
• /
• 2009

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1406-1407
• /
• 2015

본 논문에서는 도로 위 숫자 및 기호인식에 적합한 Calibration Model에 대하여 연구하였다. 기존에 제시된 Geometric Transform, Fisheye Projection, Caltech Toolbox 기반 방법으로 얻은 Calibration Model의 성능을 비교하였다. Geometric Transform은 Fisheye Distortion Correction에 부적합한 결과를 얻었고, Fisheye Projection은 성능은 좋으나 시스템에 사용할 Camera Lens의 Specification을 모르기 때문에 이를 예측해야 하는 단점이 있다. 마지막으로 Caltech Tool box 기반 방법은 Calibration을 위한 Keypoint를 수동으로 지정하다 보니까 이로 인한 오차가 존재하게 된다. Calibration을 시도 할 때마다 결과에 차이가 있었으며, Calibration 결과의 측면에서 Fisheye Projection이 가시적으로 가장 좋은 결과를 나타냈다.

• 천문학회보
• /
• 제29권2호
• /
• pp.29.2-29.2
• /
• 2004

• 천문학회보
• /
• 제34권1호
• /
• pp.144.1-144.1
• /
• 2009

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2009년도 한국우주과학회보 제18권1호
• /
• pp.48.2-48.2
• /
• 2009

• 천문학회보
• /
• 제33권2호
• /
• pp.68.2-68.2
• /
• 2008

• 한국유변학회:학술대회논문집
• /
• 한국유변학회 2002년도 추계학술발표회 논문집
• /
• pp.19-22
• /
• 2002

No Abstract, See Full Text

• Journal of Electrical Engineering and Technology
• /
• 제10권4호
• /
• pp.1877-1885
• /
• 2015

This paper presents a new Nearest-Neighbors based weighted representation for images and weighted K-Nearest-Neighbors (WKNN) classifier to improve the precision of image classification using the Bag of Visual Words (BOVW) based models. Scale-invariant feature transform (SIFT) features are firstly extracted from images. Then, the K-means++ algorithm is adopted in place of the conventional K-means algorithm to generate a more effective visual dictionary. Furthermore, the histogram of visual words becomes more expressive by utilizing the proposed weighted vector quantization (WVQ). Finally, WKNN classifier is applied to enhance the properties of the classification task between images in which similar levels of background noise are present. Average precision and absolute change degree are calculated to assess the classification performance and the stability of K-means++ algorithm, respectively. Experimental results on three diverse datasets: Caltech-101, Caltech-256 and PASCAL VOC 2011 show that the proposed WVQ method and WKNN method further improve the performance of classification.

• 전기전자학회논문지
• /
• 제17권3호
• /
• pp.254-259
• /
• 2013

본 논문에서는 준감독 학습 알고리즘(Semi-Supervised Learning Algorithm)의 학습데이터에 필요한 소수의 레이블 데이터를 능동적으로 선택하기 위한 무감독경쟁학습 알고리즘인 VCNN(Vector Centroid Neural Network)을 제안한다. 준감독 학습 알고리즘에서 레이블 데이터의 선택은 학습 결과 큰 영향을 미치고, 레이블 데이터를 선택하는데 있어 많은 비용과 전문적인 지식이 필요하다. 본 논문에서 능동적이고 효율적인 레이블 데이터 선택을 검증하기 위하여 UCI database 와 caltech dataset 을 이용하여 실험한 결과, 기존의 레이블 데이터 선택 방법과 비교하여 안정된 분류 결과와 최소의 오차율을 나타냈다.