Proceedings., 11th IAPR International Conference on Pattern Recognition. Vol.II. Conference B: Pattern Recognition Methodology
DOI: 10.1109/icpr.1992.201746
|View full text |Cite
|
Sign up to set email alerts
|

Noninformation-preserving shape features at multiple resolution

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Publication Types

Select...
1
1

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(2 citation statements)
references
References 5 publications
0
1
0
1
Order By: Relevance
“…Un método común de reconocimiento de patrones es la identificación de las propias minutiaes, que son las líneas que según su grosor, separación y formas configuran estos patrones. Su distancia y sus intersecciones o falta de ellas permite definir de un modo más fino estos puntos de comparación entre huellas, lo cual suele inducir resultados bastante satisfactorios [10]. Ahora bien, este método difiere un poco del reconocimiendo de patrones en sí mismo siendo más próximo a lo que hace una red neuronal convolucional (CNN, del inglés Convolutional Neural Network).…”
Section: Estado Del Arteunclassified
“…Un método común de reconocimiento de patrones es la identificación de las propias minutiaes, que son las líneas que según su grosor, separación y formas configuran estos patrones. Su distancia y sus intersecciones o falta de ellas permite definir de un modo más fino estos puntos de comparación entre huellas, lo cual suele inducir resultados bastante satisfactorios [10]. Ahora bien, este método difiere un poco del reconocimiendo de patrones en sí mismo siendo más próximo a lo que hace una red neuronal convolucional (CNN, del inglés Convolutional Neural Network).…”
Section: Estado Del Arteunclassified
“…There are many techniques of shape description and recognition. These methods can be categorized as information preserving or unambiguous, and non-information preserving or ambiguous, depending on whether or not it is possible to reconstruct a reasonable approximation of the object from the shape descriptor [90,91]. The information preserving methods such as [64,65] are mostly used in data compression application.…”
Section: Shape Feature Analysismentioning
confidence: 99%