A Novel Shape Descriptor for Object Recognition

Abstract

In this study a novel shape descriptor for object recognition is proposed. As a preprocessing stage, Canny edge detection [4] is applied to input images. Output of Canny edge detector, namely edge image, is sampled and various number of points are selected. Chosen points are input to the new shape descriptor. Proposed shape descriptor is composed of deviations from average range and average angle. Shape descriptor is used as a feature extractor output of which is fed to linear classifier. Linear classifier is trained using pseudo-inverse and gradient descent techniques. Full MNIST dataset is used to test the system and results are reported.

Keywords

• Shape Descriptor,
• nesne tanıma
• MNIST

Kaynakça

1. [1]Viola, P. ve Jones, M. (2001, Aralık). Basit özelliklerin artırılmış bir dizisini kullanarak hızlı nesne algılama. Bilgisayarla görü ve örüntü tanıma üzerine 2001 IEEE bilgisayar topluluğu konferansının Bildirilerinde. CVPR 2001 (Cilt 1, s. II). IEEE.
2. [2]V. V. Nabiyev, Artificial Intelligence. Sözkesen Matbaacılık, Ankara, 2005
3. [3]Wu, M. ve Zhang, Z. (2010). Mnist veri setini kullanarak el yazısı rakam sınıflandırması. Ders projesi CSE802: Örüntü Sınıflandırma ve Analizi .
4. [4]Sonugur, G., Çaki, E. E., Akan, S. A., & Gökçe, C. O. Gerçek Zamanlı İnsan Davranışı Anlamaya Doğru: Optimal-Altı Bir Şekil Tanımlayıcı. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 22(4); 769-777.
5. [5]Taşcı, E., & Onan, A. (2016). K-en yakın komşu algoritması parametrelerinin sınıflandırma performansı üzerine etkisinin incelenmesi. Akademik Bilişim, 1(1); 4-18.