Feature extractor giving distortion invariant hierarchical feature space

Jouko Lampinen*

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

3 Sitaatiot (Scopus)

Abstrakti

A block structured neural feature extraction system is proposed whose distortion tolerance is built up gradually by successive blocks in a pipeline architecture. The system consists of only feedforward neural networks, allowing efficient parallel implementation. The feature extraction is based on distortion-tolerant Gabor transformation and minimum distortion clustering by hierarchical self-organizing feature maps (SOFM). Due to unsupervised learning strategy, there is no need for preclassified training samples or other explicit selection for training patterns during the training. A subspace classifier implementation on top of the feature extractor is demonstrated. The current experiments indicate that the feature space has sufficient resolution power for a small number of classes with rather strong distortions. The amount of supervised training required is very small, due to many unsupervised stages refining the data to be suitable for classification.

AlkuperäiskieliEnglanti
OtsikkoAPPLICATIONS OF ARTIFICIAL NEURAL NETWORKS II
ToimittajatSteven K. Rogers
KustantajaSPIE - The International Society for Optical Engineering
Sivut832-842
Sivumäärä11
PainosPTS 1 AND 2
ISBN (painettu)0819405787
DOI - pysyväislinkit
TilaJulkaistu - 1991
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaApplications of Artificial Neural Networks - Orlando, Yhdysvallat
Kesto: 2 huhtikuuta 19915 huhtikuuta 1991

Julkaisusarja

NimiPROCEEDINGS OF THE SOCIETY OF PHOTO-OPTICAL INSTRUMENTATION ENGINEERS (SPIE)
Vuosikerta1469

Conference

ConferenceApplications of Artificial Neural Networks
Lyhennettä2
Maa/AlueYhdysvallat
KaupunkiOrlando
Ajanjakso02/04/199105/04/1991

Sormenjälki

Sukella tutkimusaiheisiin 'Feature extractor giving distortion invariant hierarchical feature space'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä