Wyniki wyszukiwania - BazTech

1

Comparison of interpolation methods based on real human motion data

Smołka J., Skublewska-Paszkowska M.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 10

226-229

EN

During a motion capture session markers may become occluded for brief periods of time. Resulting gaps in acquired data can be filled by means of interpolation methods. Additional data recorded alongside markers’ trajectories frequently have a different sampling frequency. Thus, the need for a resampling method. This paper presents a comparison of Catmull-Rom Spline, modified Catmull-Rom Spline and Blended Parabolas interpolation algorithms. Real human motion data is used for the comparison in two respects: filling gaps and resampling captured data.

PL

Podczas sesji akwizycji ruchu niektóre marker mogą zostać chwilowo przesłonięte. Powstałe przerwy mogą zostać wypełnione z użyciem metod interpolacji. Dodatkowe dane zarejestrowane równocześnie z ruchem często próbkowane są z inną częstotliwością. Wynika stąd zapotrzebowanie na metodę resamplingu dla danych ruchu. Artykuł porównuje metody krzywych sklejanych Catmulla-Roma, zmodyfikowaną metodę Catmulla-Roma i krzywych przejściowych między parabolami . Do porównania w dwóch aspektach (wypełnianie przerw i resampling) wykorzystano rzeczywiste dane ruchu.

2

Resampling in particle filtering : comparison

Kozierski P., Lis M., Ziętkiewicz J.

Studia z Automatyki i Informatyki

|

2013

|

T. 38

35--64

EN

The article presents over 20 different types and variants of resampling methods. Pseudo-code has been added for a description of each method. Comparison of methods has been performed using simulations (1,000 repetitions for each set of parameters). Based on the simulation results, it has been verified that among the methods for one processor implementation, the best working methods are those of Systematic resampling, one version of Stratified resampling and Deterministic Systematic resampling. The latter method does not require drawing numbers with uniform distribution. Among resampling methods for parallel computing, best quality is characterized by two variants of stratified resampling.

PL

W artykule przedstawiono ponad 20 różnych rodzajów i odmian metod resamplingu. Do opisu każdej metody dodano pseudokod. Porównanie metod wykonano na podstawie przeprowadzonych symulacji (1000 powtórzeń dla każdego zbioru parametrów). Na podstawie przeprowadzonych symulacji stwierdzono, ze wśród metod resamplingu przeznaczonych do implementacji na jednym procesorze, najlepiej działają Systematic resampling, jedna z odmian Stratified Resampling oraz Deterministic Systematic Resampling, przy czym ta ostatnia nie wymaga losowania liczb z rozkładu równomiernego. Wśród resamplingów przeznaczonych do obliczeń równoległych najlepszą jakością charakteryzowały się dwie odmiany Stratified resampling.

3

A CNN based Hybrid approach towards automatic image registration

Arun P. V., Katiyar S. K.

Geodesy and Cartography

|

2013

|

Vol. 62, no. 1

33--49

EN

Image registration is a key component of various image processing operations which involve the analysis of different image data sets. Automatic image registration domains have witnessed the application of many intelligent methodologies over the past decade; however inability to properly model object shape as well as contextual information had limited the attainable accuracy. In this paper, we propose a framework for accurate feature shape modeling and adaptive resampling using advanced techniques such as Vector Machines, Cellular Neural Network (CNN), SIFT, coreset, and Cellular Automata. CNN has found to be effective in improving feature matching as well as resampling stages of registration and complexity of the approach has been considerably reduced using corset optimization The salient features of this work are cellular neural network approach based SIFT feature point optimisation, adaptive resampling and intelligent object modelling. Developed methodology has been compared with contemporary methods using different statistical measures. Investigations over various satellite images revealed that considerable success was achieved with the approach. System has dynamically used spectral and spatial information for representing contextual knowledge using CNN-prolog approach. Methodology also illustrated to be effective in providing intelligent interpretation and adaptive resampling.

PL

Rejestracja obrazu jest kluczowym składnikiem różnych operacji jego przetwarzania. W ostatnich latach do automatycznej rejestracji obrazu wykorzystuje się metody sztucznej inteligencji, których największą wadą, obniżającą dokładność uzyskanych wyników jest brak możliwości dobrego wymodelowania kształtu i informacji kontekstowych. W niniejszej pracy zaproponowano zasady dokładnego modelowania kształtu oraz adaptacyjnego resamplingu z wykorzystaniem zaawansowanych technik, takich jak Vector Machines (VM), komórkowa sieć neuronowa (CNN), przesiewanie (SIFT), Coreset i automaty komórkowe. Stwierdzono, że za pomocą CNN można skutecznie poprawiać dopasowanie obiektów obrazowych oraz resampling kolejnych kroków rejestracji, zaś zastosowanie optymalizacji metodą Coreset znacznie redukuje złożoność podejścia. Zasadniczym przedmiotem pracy są: optymalizacja punktów metodą SIFT oparta na podejściu CNN, adaptacyjny resampling oraz inteligentne modelowanie obiektów. Opracowana metoda została porównana ze współcześnie stosowanymi metodami wykorzystującymi różne miary statystyczne. Badania nad różnymi obrazami satelitarnymi wykazały, że stosując opracowane podejście osiągnięto bardzo dobre wyniki. System stosując podejście CNN-prolog dynamicznie wykorzystuje informacje spektralne i przestrzenne dla reprezentacji wiedzy kontekstowej. Metoda okazała się również skuteczna w dostarczaniu inteligentnych interpretacji i w adaptacyjnym resamplingu.

4

The ways of effective estimation of measurand

Galovska M., Warsza Z. L.

Pomiary, Automatyka, Komputery w Gospodarce i Ochronie Środowiska

|

2010

|

nr 1

18-20

EN

The main purpose of this work is the expansion of the ways for choosing the best estimator of empirical data, when this data is only available information. Proposed methods are divided into two groups: Monte-Carlo simulation and resampling methods. Numerical example is given.

PL

Podstawowym celem pracy jest rozszerzenie sposobów wyboru estymatora danych empirycznych, gdy dane te są jedyną dostępną informacją. Proponowane metody podzielono na 2 grupy: oparte na symulacji Monte Carlo i na metodach "resamplingu". Zilustrowano to przykładem liczbowym.