분류 전체보기 (43) 썸네일형 리스트형 [논문 읽기/2004] A Linear-Time Component-Labeling Algorithm Using Contour Tracing Technique link: https://www.sciencedirect.com/science/article/pii/S1077314203001401 Abstract ~ 1.Introduction: 제안하는 방법의 이점: 1. 이미지에 대해 1-pass만 필요함. 본 논문에서 제안한 contour tracing 절차로 인해서 contour point들은 한번 이상 방문이 되지만, 단지 일정한 시간에 불과함. 2. 어떠한 re-labeling 메커니즘도 필요로 하지 않음. 일단 하나의 pixel에 labeling index가 할당되면, 해당 값은 변하지 않음. 3. 모든 contour들과 sequential order의 contour pixel들을 product함으로써 얻을 수 있음. 4. 실험 결과 전통적인 compone.. [논문 읽기/2004] A FAST AND ADAPTIVE METHOD FOR IMAGE CONTRAST ENHANCEMENT link: https://www.cs.utexas.edu/users/bajaj/papers/2004/conference/01419470.pdf Absctract: 국소 영역에 대한 contrast 조작을 통해 영상을 enhance 시키는 빠른 접근을 제안함. 제안한 방법은 빠르며, 구현하기 쉽고, adaptive, multiscale, weighted localization 등의 우수한 속성을 가짐. 다양한 의료 영상에 대해서 성능이 우수함. 1. Introduction 영상 enhancement의 중요성에 대해서 언급함. 영상 enhancement를 위한 방법들의 큰 분류는 contrast 조작 또는 히스토그램 평활화로 나눔[1, 2]. 고전적인 contrast 조작 방법[1]은 일반적으로 전역으로 정.. [논문 읽기/2010] Survey of Pedestrian Detection for Advanced Driver Assistance Systems link: https://ieeexplore.ieee.org/document/5010438 Abstract Advanced driver assistance systems (ADASs)를 위한 pedestrian protection systems (PPSs)는 안전을 위해 활발하게 연구되고 있는 영역임. PPSs의 주된 challenge는 보드 상에서 신뢰성 있게 동작하는 보행자 검출 시스템을 개발하는 것임. 보행자 형상(appearance)의 변화(예: 서로 다른 옷, 크기 변화, 종횡비, 동적인 shape)와 비구조적인 환경으로 인해, 시스템에서 요구되는 강건함을 만족시키는 것은 상당히 어려운 일임. 보행자 검출 연구 분야에서 다양한 접근들의 비교를 어렵게 만드는 2가지 문제는 공용 벤치마크의 부족과 .. [논문 읽기/2014] Ten Years of Pedestrian Detection, What Have We Learned? link: https://arxiv.org/pdf/1411.4304.pdf Abstract 지난 10년간의 보행자 검출과 관련된 40개 이상의 detectors들에 대해서 Caltech pedestrian detection benchmark를 기반으로 분석함. 크게 3가지의 부류의 접근방법들이 존재하며, 현재 모든 방법들은 유사한 검출 성능을 보이는 것을 발견함. 다수의 공개된 전략을 결합하여, 가장 우수한 아이디어들의 상호 보완성에 대한 연구를 수행함. 새롭게 제안한 decision forest detector는 Caltech-USA dataset를 이용하여 가장 우수한 성능을 보임. 1 Introduction 객체 검출을 위한 주요 패러다임들은 1) Viola&Jones variants, 2) HOG.. [논문 읽기/2004] Pedestrian Detection for Driving Assistance Systems: Single-frame Classification and System Level Performance Link: https://ieeexplore.ieee.org/document/1336346 Abstract 본 논문에서는 1) 단일 카메라 기반 보행자 검출 시스템의 기능적 구조적 분류에 대해서 설명함. 2) 비교적 단순한 분류기의 set을 이용하여 훈련 set의 cluster 상에서 반복적으로 훈련시킴으로써, 클래스(class)의 변동성(variability)을 분리하는 새로운 전략에 기반한 단일-프레임 분류에 대해 설명함. 3) 낮 시간의 정상적인 기상 조건 상태에서 보호 시스템이 충족해야 할 격차에 대한 논의를 통해, 낮 환경에서 단일-프레임 분류의 성능 결과와 시스템 레벨의 성능 수치에 대해서 설명함. I. INTRODUCTION 본 논문에서는 차량에 장착된 주행 보조 제품의 시장을 목표로, 보행.. [구현(c)/no ref.] fast and approximated HOG(Histogram of Oriented Gradients) using Integral Image link: no #define RESIZED_SAMPLE_X_SIZE64 #define RESIZED_SAMPLE_Y_SIZE128 #define CELL_SIZE8 #define BLOCK_SIZE2 #define ORIENTATION_NUM9 #define FEAT_DIM(BLOCK_SIZE*BLOCK_SIZE*ORIENTATION_NUM)*(BLOCK_NUM_IN_X)*(BLOCK_NUM_IN_Y) #define CELL_NUM_IN_X(RESIZED_SAMPLE_X_SIZE/CELL_SIZE) #define CELL_NUM_IN_Y(RESIZED_SAMPLE_Y_SIZE/CELL_SIZE) #define BLOCK_NUM_IN_X(CELL_NUM_IN_X-BLOCK_SIZE+1) #define B.. [구현(c)/no ref.]Hysteresis Thresholding link: No #define LOW_THRESHOLD_INTENSITY63 #define HIGH_THRESHOLD_INTENSITY127 void RunHysteresisThresholding(unsigned char* input, unsigned char* output, int imageWidth, int imageHeight) { int low = LOW_THRESHOLD_INTENSITY; int high = HIGH_THRESHOLD_INTENSITY; register int i, j; for(i=0; i0) { return 0; } if(i>0 && target[(i-1)*imageWidth+j]>0) { return 1; } if(i>0 && j>0 && target[(i-1)*imageW.. [구현(c)/1979] A threshold selection method from gray level histograms Link: https://ieeexplore.ieee.org/document/4310076 #define OBJECT255 #define BACKGROUND0 void RunOtsu(unsigned char* srcImage, unsigned char* binaryImage, int imageWidth, int imageHeight) { int findedThreshold = FindThresholdBasedOnGrayLevelHistogram(srcImage, imageWidth, imageHeight); RunFixedThresholding(srcImage, binaryImage, imageWidth, imageHeight, findedThreshold); } int FindThresholdBased.. 이전 1 2 3 4 5 6 다음
