메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제7권 제1호
발행연도
2009.2
수록면
100 - 106 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 논문은 텐서 부공간 분석(TSA: Tensor Subspace Analysis)기법에 의한 3차원 물체인식을 다룬다. 물체인식과 얼굴인식분야에서 널리 알려진 주성분분석기법(PCA: Principal Component Analysis)과 선형판별분석기법(LDA: Linear Discriminant Analysis)은 2차원 영상을 고차원 벡터로 표현하여 다루는 반면, TSA는 2차 텐서로서 영상을 표현하며, 영상행렬의 열벡터들과 행벡터들 사이의 관계는 TSA에 의해 특성화되어진다. 또한, TSA는 저차 텐서 공간을 학습함으로써 텐서 공간의 본질적인 기하학적인 구조를 찾아준다. 제시된 TSA의 인식성능을 평가하기 위해, 널리 알려진 COIL(Columbia object image library) 물체인식 데이터베이스에 적용한 실험적인 결과는 TSA가 기존의 PCA와 LDA에 비해 우수한 인식성능을 보임을 증명한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. PCA와 LDA
Ⅲ. 텐서 부공간 분석(TSA)
Ⅳ. 시뮬레이션 및 결과
Ⅴ. 결론
참고문헌
저자소개

참고문헌 (9)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0