Precise shape matching of large shape datasets using hybrid approach

تطبیق دقیق و سریع شکل و بازیابی از مجموعه داده های بسیار بزرگ یک کار چالش برانگیز است زیرا وجود بسیاری از اعوجاج ها نظیر سر و صدا، انحطاط و تحریف های افقی. در این مقاله، هدف ما پیشنهاد چارچوب تطبیق و صرفه جویی در وقت و چارچوب بازیابی است که استفاده از هرس است که امکان بازیابی آنلاین از مجموعه داده های بسیار بزرگ را فراهم می کند. ابتدا با استفاده از یک ساختار مبتنی بر درختی سلسله مراتبی که از پردازش موازی و توصیفگرهای کارآمد پشتیبانی می کند، اشکال نامناسب کشیده می شود و زیر مجموعه ای از اشکال مرتبط با پرس و جو انتخاب می شود، سپس با استفاده از توصیفگرهای پیچیده تر، بازیابی دقیق انجام می شود. نمایندگی کانتور از یک شی به عنوان مهمترین شکل تشابه شکل بینایی توسط انسانها محسوب می شود. با استفاده از اطلاعات مرزی، ما دو توصیفگر ساده و کارآمد برای هرس سریع تولید می کنیم و یک توصیفگر ویژگی پیچیده برای بازیابی موثر و دقیق است. تست های انجام شده در مجموعه داده های استاندارد نشان می دهد که روش پیشنهادی از لحاظ محاسباتی کارآمدتر از تکنیک های پیشرفته تر است و در عین حال تطبیق پذیری قابل مقایسه و عملکرد بازیابی نیز قابل قبول است. عملکرد آن برای مجموعه داده های بزرگ مقیاس پذیر است و در مقابل تحولات افقی، مفصل و انسداد قوی است.