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
기석철 (충북대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제23권 제6호
발행연도
2017.6
수록면
432 - 438 (7page)
DOI
10.5302/J.ICROS.2017.17.0017

이용수

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

초록· 키워드

오류제보하기
Developing algorithms for real-time traffic sign recognition is usually accompanied by constrained computing time and limited resources, such as memory and processing power. This paper addressed the improvement of traffic sign classification by efficiently reducing the dimensionality of the feature space. The proposed approach reduced the demands on computational resources while training and running the application on an embedded system. Dimensionality reduction can be subdivided into feature space projection and feature selection. Feature space projection requires additional computational costs at runtime. For this reason, the usability of feature subset selection was investigated and evaluated on a large traffic sign dataset. In addition, a novel approach to feature selection for traffic sign recognition based on the Bayes factor criterion was proposed. In contrast to existing feature selection methods relying on extensive parameter testing, the proposed approach computed the dimensionality of the final feature subset automatically, requiring only a small number of iterations for the interpretable input parameter. Extensive evaluations on a large dataset showed that the computational costs at runtime could be reduced by over 70% with efficient feature selection.

목차

Abstract
I. 서론
Ⅱ. 기존의 특징점 선택 알고리즘 분석
III. 제안하는 특징점 선택 알고리즘
Ⅳ. 실험결과
V. 결론
REFERENCES

참고문헌 (22)

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

UCI(KEPA) : I410-ECN-0101-2018-003-000895365