A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Unsupervised Feature Selection and Category Classification for a Vision-Based Mobile Robot Seleção não supervisionada de recursos e classificação de categorias para um robô móvel baseado em visão

Masahiro TSUKADA, Yuya UTSUMI, Hirokazu MADOKORO, Kazuhito SATO

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um método baseado em aprendizagem não supervisionada para seleção de pontos característicos e classificação de categorias de objetos sem definição prévia do número de categorias. Nosso método consiste nos seguintes procedimentos: 1) detecção de pontos característicos e descrição de recursos usando uma Transformada de Recursos Invariável em Escala (SIFT), 2) seleção de pontos característicos alvo usando Máquinas de Vetores de Suporte de Uma Classe (OC-SVMs), 3 )geração de palavras visuais de todos os descritores SIFT e histogramas em cada imagem de pontos de características selecionados usando mapas auto-organizados (SOMs), 4)formação de rótulos usando Adaptive Resonance Theory-2 (ART-2) e 5)criação e classificação de categorias em um mapa de categorias de Redes de Contrapropagação (CPNs) para visualizar relações espaciais entre categorias. Os resultados da classificação de imagens estáticas usando um conjunto de dados de categoria de objeto Caltech-256 e imagens dinâmicas usando imagens de séries temporais obtidas usando um robô de acordo com movimentos respectivamente demonstram que nosso método pode visualizar relações espaciais de categorias enquanto mantém características de séries temporais. Além disso, enfatizamos a eficácia do nosso método para classificação de categorias de mudanças na aparência dos objetos.

Publicação
IEICE TRANSACTIONS on Information Vol.E94-D No.1 pp.127-136
Data de publicação
2011/01/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E94.D.127
Tipo de Manuscrito
PAPER
Categoria
Reconhecimento de imagem, visão computacional

autores

Palavra-chave