Feature Space Trajectory Image Processor

特征空间轨迹图像处理器

• 批准号: 9530657
• 负责人: David Casasent
• 金额: $ 24万
• 依托单位: Carnegie-Mellon University
• 依托单位国家: 美国
• 项目类别: Continuing Grant
• 财政年份: 1996
• 资助国家: 美国
• 起止时间: 1996-07-01 至 2000-06-30
• 项目状态: 已结题
• 来源: https://www.nsf.gov/awardsearch/showAward?AWD_ID=9530657&HistoricalAwards=false
• 关键词: Feature; Space; Trajectory; Image; Processor

A new feature space trajectory (FST) description of 3-D distorted versions of an object or object part is considered in which different distorted object views are different vertices on the FST. Adjacent vertices are connected by straight lines. Different objects or object parts have different FSTs. For input data (an object or an object part), the FST closest to the input data denotes the class of the object and the closest line segment on that FST denotes the pose of the object or part. A neural net processor performs all needed distance calculations. Fundamental issues associated with this new representation of distorted objects are addressed. Processing a time sequence of input data and its pose estimation ability will be used in active vision systems. Its good generalization and performance on small training sets will be studied. Its ability to reject false (non object) inputs and to learn new inputs will be studied.

考虑对象或对象部分的 3D 扭曲版本的新特征空间轨迹 (FST) 描述，其中不同的扭曲对象视图是 FST 上的不同顶点。 相邻顶点通过直线连接。 不同的对象或对象部分具有不同的 FST。 对于输入数据（对象或对象部分），最接近输入数据的 FST 表示对象的类别，并且该 FST 上最接近的线段表示对象或部分的姿态。 神经网络处理器执行所有需要的距离计算。 解决了与扭曲对象的这种新表示相关的基本问题。 处理输入数据的时间序列及其姿态估计能力将用于主动视觉系统。 将研究其在小型训练集上的良好泛化性和性能。 将研究其拒绝错误（非对象）输入和学习新输入的能力。