Resumen

Se propone un método novedoso que utiliza tanto la naturaleza local como global del ajuste para la detección de puntos dominantes. La mayoría de los demás métodos utilizan el ajuste local para detectar los puntos dominantes. El método propuesto utiliza métricas sencillas como la precisión (naturaleza local del ajuste) y la fiabilidad (naturaleza global del ajuste) como objetivos de optimización para detectar los puntos dominantes. Dependiendo del nivel de ajuste deseado (muy fino o tosco), el umbral de precisión y fiabilidad puede elegirse de forma muy sencilla. Se realiza una comparación exhaustiva de varios algoritmos de ajuste de líneas basados en métricas como la precisión, la fiabilidad, la figura de mérito, el error cuadrático integral y la reducción de la dimensionalidad en conjuntos de datos ampliamente utilizados y disponibles públicamente (conjuntos de datos Caltech 101, Caltech 256 y Pascal (2007, 2008, 2009, 2010)) que comprenden 102628 imágenes. Este trabajo es especialmente útil para la segmentación, la representación de formas, el reconocimiento de actividades y la extracción robusta de características de borde en problemas de detección y reconocimiento de objetos.

• Materias:Control del proceso Desarrollo de procesos Programación Matemática Diagnóstico de fallos Optimización de procesos
• Subjects: Process development Mathematical Programming Fault diagnosis Process optimization
• Palabras claves:precisión, fiabilidad, puntos dominantes, naturaleza global, extracción robusta de características de borde, la mayoría de los demás métodos, detección de puntos dominantes, error cuadrático integral, caltech, conjuntos de datos
• Keywords:precision, reliability, dominant points, global nature, robust edge feature extraction, most other methods, dominant point detection, integral square error, caltech, datasets