DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Choi, Ho Jin | - |
dc.contributor.advisor | 최호진 | - |
dc.contributor.author | Choi, Gi Ryong | - |
dc.contributor.author | 최기룡 | - |
dc.date.accessioned | 2016-05-03T19:34:57Z | - |
dc.date.available | 2016-05-03T19:34:57Z | - |
dc.date.issued | 2015 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=608628&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/206643 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 전산학과, 2015.2 ,[v, 28p. :] | - |
dc.description.abstract | 그래프 매칭은 컴퓨터 비전 분야의 중요 문제 중 하나이다. 그래프 매칭 문제는 NP-hard 문제로 알려져 있는 2차 할당 문제(quadratic assignment problem)로 표현할 수 있기 때문에 최적해를 구하는 것은 현실적으로 불가능하다. 이 문제를 해결하기 위해 다양한 근사법이 연구되었지만, 그래프를 학습하는 방법에 대한 연구는 거의 진행되지 않았다. 이에 본 논문에서는 자율 학습 방식을 따르는 그래프 학습 방법을 제안한다. 제안 방법은 입력 데이터 외에 추가적인 데이터를 필요로 하지 않는다. 본 논문에서는 무작위 행보의 일종인 \textit{중심 편향 무작위 행보}를 제안하고 이를 통하여 그래프를 학습한다. 제안 방법은 2차원 가우시안 분포를 통하여 구현되며, 이 과정에서 히스토그램 기반 속성을 수정하여 사용한다. 속성은 정점 사이의 관계 뿐만 아니라 간선 사이의 관계까지 고려하여 결정된다. 이미지 매칭은 이 과정을 통해 생성된 모델 그래프를 사용하여 진행되며, 제안 방법의 경쟁력을 확인하기 위해 이미지 분류 실험을 수행하였다. | - |
dc.language | eng | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | Object recgnition | - |
dc.subject | Graph matching | - |
dc.subject | Graph learning | - |
dc.subject | Unsupervised | - |
dc.subject | Random walk | - |
dc.subject | 물체 인식 | - |
dc.subject | 그래프 매칭 | - |
dc.subject | 그래프 러닝 | - |
dc.subject | 비지도 학습 | - |
dc.subject | 랜덤 워크 | - |
dc.title | A center-biased random walk method of unsupervised learning inGraph matching for object recognition | - |
dc.title.alternative | 물체 인식을 위한 그래프 매칭에서의 중심기반 랜덤워크 비지도학습 방법에 관한 연구 | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :전산학과, | - |
dc.contributor.localauthor | Choi, Ho Jin | - |
dc.contributor.localauthor | 최호진 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.