Resumen

Estudiamos el problema de detectar y localizar objetos en imágenes estáticas en escala de grises haciendo uso de la representación basada en partes proporcionada por las factorizaciones de matrices no negativas. La factorización de matrices no negativas representa un ejemplo emergente de métodos de subespacio, que es capaz de extraer partes interpretables de un conjunto de objetos de imagen de plantilla y luego utilizarlas de forma aditiva para describir objetos individuales. En este artículo, presentamos un sistema prototipo basado en algunos algoritmos de factorización no negativa, que difieren en las propiedades adicionales añadidas a la representación no negativa de los datos, con el fin de investigar si alguna restricción adicional produce mejores resultados en la detección general de objetos a través de factorizaciones de matrices no negativas.

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Estudio; Objetos; Imágenes; Factorización de matrices no negativas; Detección; Localización
• Keywords:Study; Objects; Images; Nonnegative matrix factorization; Detection; Localization