The first group of work, on appeara

The first group of work, on appearance based recognition,
makes direct use of pixel brightness values as presented in
[26]. Several other approaches in this vein [15, 9], attempt
to find correspondences between the two images before doing the comparison. As an alternative, there are a number
of methods that build classifiers without explicitly finding
correspondences. In such approaches, one relies on a learning algorithm having enough examples to acquire the appropriate invariance. These approaches have been used for
handwritten digit recognition [17, 5], face recognition [20],
and isolated 3D object recognition [21]. In contrast, techniques that perform recognition based on shape information
attempt to capture global structure of extracted edge or silhouette features. Silhouettes have been described (and compared) using Fourier descriptors [27], skeletons derived using
BlumSs medial axis transform [24], or directly matched using dynamic programming. Other approaches [4, 13, 12]
treat the shape as a set of points in the 2D image, extracted
using, say, an edge detector. Another set of methods compute correspondences between edge points [6], which usesorder structure.

ผลลัพธ์ (ไทย) 1:

กลุ่มแรกของการทำงาน ในลักษณะตามการรับรู้ใช้ค่าความสว่างของพิกเซลเป็นปรากฏในโดยตรงทำให้[26] พยายามหลายวิธีอื่น ๆ ในหลอดเลือดดำนี้ [15, 9],ในการค้นหาการโต้ตอบระหว่างสองภาพก่อนที่จะทำการเปรียบเทียบ เป็นทางเลือก มีจำนวนวิธีการ ที่สร้างคำนามภาษาโดยไม่ค้นหาอย่างชัดเจนโต้ตอบ ในแนวทางดังกล่าว หนึ่งอาศัยอัลกอริทึมการเรียนรู้มีอย่างเพียงพอเพื่อซื้อ invariance ที่เหมาะสม วิธีนี้ใช้สำหรับมือการรู้จำตัวเลข [17, 5], หน้ารู้ [20],และการรับรู้วัตถุ 3D แยก [21] ในทางตรงกันข้าม เทคนิคที่ดำเนินการโดยใช้ข้อมูลรูปร่างพยายามจับโครงสร้างส่วนกลางของขอบแยกหรือคุณลักษณะรูปเงาดำ Silhouettes ได้อธิบายไว้ (และเปรียบเทียบ) ใช้ตัวบอกฟูรีเย [27], โครงกระดูกมาใช้BlumSs แกนด้านใกล้กลางแปลง [24], หรือโดยตรงตรงที่ใช้การเขียนโปรแกรมแบบไดนามิก วิธีอื่น ๆ [4, 13, 12]รักษารูปร่างเป็นชุดของจุดในภาพ 2D สกัดใช้ พูด เครื่องตรวจจับที่ขอบ ชุดอื่นวิธีคำนวณตอบกลับระหว่างขอบคะแนน [6], โครงสร้างที่ usesorder

ผลลัพธ์ (ไทย) 2:

กลุ่มแรกของการทำงานในลักษณะตามการรับรู้
ทำให้การใช้งานโดยตรงของค่าความสว่างของพิกเซลที่แสดงใน
[26] วิธีการอื่น ๆ หลายแห่งในหลอดเลือดดำนี้ [15 9] พยายาม
ที่จะหา correspondences ระหว่างสองภาพก่อนที่จะทำการเปรียบเทียบ ในฐานะที่เป็นทางเลือกที่มีจำนวน
ของวิธีการที่สร้างโดยไม่ได้แยกแยะอย่างชัดเจนหา
correspondences ในวิธีการดังกล่าวอย่างใดอย่างหนึ่งขึ้นอยู่กับขั้นตอนวิธีการเรียนรู้ที่มีตัวอย่างมากพอที่จะได้รับความไม่แปรเปลี่ยนตามความเหมาะสม วิธีการเหล่านี้ได้ถูกนำมาใช้สำหรับ
การรับรู้หลักที่เขียนด้วยลายมือ [17 5], การจดจำใบหน้า [20],
และแยกการรับรู้วัตถุ 3D [21] ในทางตรงกันข้ามเทคนิคที่ได้รับการยอมรับการดำเนินการบนพื้นฐานของข้อมูลรูปร่าง
ความพยายามที่จะจับภาพโครงสร้างระดับโลกของขอบสกัดหรือคุณลักษณะเงา เงาได้รับการอธิบาย (และเมื่อเทียบ) โดยใช้การอธิบายฟูริเยร์ [27], โครงกระดูกมาใช้
แกนตรงกลาง BlumSs เปลี่ยน [24] หรือการจับคู่โดยตรงโดยใช้การเขียนโปรแกรมแบบไดนามิก วิธีการอื่น ๆ [4, 13, 12]
รักษารูปร่างเป็นชุดของจุดในภาพ 2D สกัด
โดยใช้การพูดการตรวจจับขอบ กำหนดวิธีการคำนวณอีก correspondences ระหว่างจุดขอบ [6] ซึ่งโครงสร้าง usesorder

ผลลัพธ์ (ไทย) 3:

กลุ่มแรกของงาน ในลักษณะการรับรู้ตาม
ทำให้ตรงใช้พิกเซล ความสว่าง ค่าอาร์
[ 26 ] หลาย ๆวิธีในหลอดเลือดดำ [ 15 , 9 ] ความพยายาม
หาจดหมายระหว่างสองภาพก่อนทำการเปรียบเทียบ เป็นทางเลือกที่มีจำนวนของวิธีการที่สร้างคำ

จดหมายโดยไม่อย่างชัดเจนหา . ในแนวทางดังกล่าวหนึ่งขึ้นอยู่กับอัลกอริทึมการเรียนรู้มีตัวอย่างพอที่จะได้รับแปรเปลี่ยนให้เหมาะสม วิธีเหล่านี้ได้ถูกใช้สำหรับการเขียนด้วยลายมือตัว
[ 17 , 5 ] ใบหน้า [ 20 ] ,
และแยกการรับรู้วัตถุ 3 มิติ [ 21 ] ในทางตรงกันข้าม , เทคนิคที่แสดงการยอมรับขึ้นอยู่กับความพยายามข้อมูล
รูปร่างจับโครงสร้างระดับโลกของสกัดหรือขอบเงา คุณสมบัติ .ภาพได้ถูกอธิบายไว้ ( และเปรียบเทียบ ) การใช้ฟูเรียร์ใน [ 27 ] , โครงกระดูกที่ได้มาใช้
blumss medial แกนแปลง [ 24 ] หรือโดยตรงเข้ากับการใช้โปรแกรมแบบไดนามิก วิธีอื่น [ 4 , 13 , 12 ]
รักษารูปร่างจุดเป็นชุดของภาพ 2D สกัด
ใช้พูดขอบเครื่องตรวจจับ อีกชุดของวิธีการคำนวณจดหมายระหว่างขอบจุด [ 6 ]ซึ่ง usesorder โครงสร้าง