In this paper, we present theMulti

In this paper, we present theMulti Angular Descriptor (MAD),
a new shape descriptor for shape based object recognition
and image retrieval. In the binary case, the MAD descriptor
captures the angular view to multi resolution rings from each
contour point. Placing the rings in dierent heights enables
capturing multi-level global/local features. In gray level, it
captures the weighted distribution over relative positions of
the shape points to multi resolution rings around the cen-
troid. The multi angular descriptor is robust to noise and
small deformations. Flexible parameters makes the MAD
descriptor tunable to specic unique characteristics of the
dierent tasks. The extension of the (MAD) descriptor to
gray level shapes, can be seen as an extension of a shape con-
text descriptor to be used with low quality gray level images
avoiding poor results of the binarization process. Testing
the proposed descriptor on the MNIST dataset [16] and a
private dataset using two matching techniques gave better
results comparing to the Shapes Context and the Histogram
of Oriented Gradients (HOG) descriptors.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เรานำ theMulti แองกูลาร์บอก (MAD),บอกรูปแบบใหม่สำหรับรูปร่างตามการรับรู้วัตถุและเรียกรูป ในกรณีไบนารี บอกบ้าจับดูแองกูลาร์หลายละเอียดแหวนจากแต่ละจุดเส้น วางแหวนใน di erent สูงทำให้จับคุณลักษณะส่วนกลาง/ท้องถิ่นหลายระดับ ในระดับสีเทา มันจับการกระจายน้ำหนักมากกว่าตำแหน่งสัมพัทธ์ของรูปร่างไปหลายละเอียดแหวนรอบ cen-troid บอกแองกูลาร์หลายจะแข็งแกร่งเพื่อเสียง และdeformations ขนาดเล็ก พารามิเตอร์ที่มีความยืดหยุ่นทำให้ MADบอก tunable เพื่อ speci c เฉพาะลักษณะของการดิ erent งาน ส่วนขยายของตัวบอกเกี่ยวกับ (MAD) เพื่อสีเทารูปร่างระดับ สามารถมองเห็นเป็นส่วนขยายของร่างคอนแบบข้อความอธิบายที่จะใช้กับภาพที่ระดับคุณภาพต่ำสีเทาหลีกเลี่ยงผลลัพธ์ที่ไม่ดีการ binarization ทดสอบอธิบายนำเสนอบนชุดข้อมูล MNIST [16] และชุดข้อมูลส่วนตัวที่ใช้เทคนิคการจับคู่สองให้ดีขึ้นผลการเปรียบเทียบกับบริบทรูปฮิสโตแกรมของตัวแสดงรายละเอียดไล่ระดับสีที่เน้น (หมู)

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เรานำเสนอ theMulti เชิงมุมอธิบาย (MAD),
อธิบายรูปร่างใหม่สำหรับรูปร่างตามการรับรู้วัตถุ
และการดึงภาพ ในกรณีไบนารีบ่ง MAD
จับมุมมองเชิงมุมแหวนความละเอียดหลายจากแต่ละ
จุดรูปร่าง วางแหวนในดิ? erent สูงช่วยให้
การจับภาพหลายระดับโลก / คุณลักษณะท้องถิ่น ในระดับสีเทาก็
จับกระจายถ่วงน้ำหนักมากกว่าความสัมพันธ์ระหว่างตำแหน่งของ
จุดรูปร่างแหวนความละเอียดหลายรอบ cen-
Troid ตัวบอกเชิงมุมหลายทนทานต่อเสียงและ
รูปร่างเล็ก พารามิเตอร์ที่มีความยืดหยุ่นทำให้ MAD
พริ้งบอกเกี่ยวกับการ speci คลักษณะเฉพาะของ
ดิ? งาน erent ส่วนขยายของ (MAD) บอกเกี่ยวกับการ
สีเทารูปร่างระดับสามารถมองเห็นเป็นส่วนขยายของรูปทรงทำา
บอกเกี่ยวกับข้อความที่จะนำมาใช้กับภาพที่มีคุณภาพต่ำระดับสีเทา
หลีกเลี่ยงผลลัพธ์ที่น่าสงสารของกระบวนการฐานสอง การทดสอบ
บ่งเสนอในชุดข้อมูลที่ MNIST [16] และ
ชุดข้อมูลส่วนตัวโดยใช้สองเทคนิคการจับคู่ให้ดีกว่า
เมื่อเทียบกับผลบริบทรูปร่างและกราฟ
ของการไล่ระดับสี Oriented (HOG) อธิบาย

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เรานำเสนอ themulti เชิงมุมหัวเรื่อง ( บ้า ) : รูปร่างใหม่หัวเรื่องสำหรับรูปร่างตาม
รับรู้ และดึงภาพ ในกรณีเลขฐานสอง
หัวเรื่องบ้าจับดูหลายละเอียดเชิงมุมแหวนจากแต่ละ
จุดของ วางแหวนใน  erent ความสูงช่วยให้จับภาพหลายระดับคุณลักษณะสากล
/ ท้องถิ่น ในระดับสีเทา , ครับผมจับแจกหนักกว่าตำแหน่งสัมพัทธ์ของ
รูปร่างจุดหลายละเอียดแหวนรอบกัน -
troid . มีหัวเรื่องเชิงมุมหลายเสียงและ
( รูปเล็ก พารามิเตอร์ความยืดหยุ่นทำให้หัวเรื่องบ้า
พริ้งกับกา  C ลักษณะเฉพาะของ
ตี้  erent งาน ส่วนขยายของ ( บ้า ) หัวเรื่อง

รูปร่างระดับสีเทาสามารถมองเห็นเป็นส่วนขยายของรูปร่าง con -
ข้อความหัวเรื่องเพื่อใช้กับคุณภาพต่ำระดับสีเทาภาพ
หลีกเลี่ยงไม่ดีผลของภาพที่ประมวลผล การทดสอบ
เสนอหัวเรื่องใน DataSet mnist [ 16 ] และใช้เทคนิคส่วนตัว
ข้อมูลตรงกันสองให้ผลดีกว่า
เมื่อเปรียบเทียบกับรูปร่างและบริบทของการไล่ระดับสีและฮิสโตแกรม
( หมู ) ใน .