In many applications which require real-time keypoint recognition such as Augmented Reality, Random Ferns (RF) is widely used due to its runtime performance. It relies on an offline training phase during which runtime computational burdens are delegated. This leads to robust, accurate, and frame-rate performance. However, it requires significant amounts of memory, and this has been an obstacle to its use in industry, especially in mobile environments. In this paper, I propose Lightweight Random Ferns to reduce the memory requirements of RF by modifying the representation of probabilities used in ferns to a single bit from floating point. As a result, the total memory requirements of RF are significantly reduced.
증강현실과 같은 실시간성 키포인트 인식을 요구하는 많은 어플리케이션들에서 빠른 연
산속도를 자랑하는 랜덤펀스가 널리 사용되고 있다. 랜던펀스는 사전에 학습이 필요하며, 이 학
습을 통해 실제 실시간에서 나타나는 연산량을 대폭 줄일 수 있는 것이다. 이로 인해 랜덤펀스는
빠르고 정확한 키포인트 인식을 수행한다. 하지만 랜덤펀스는 학습 후에 확률분포들을 저장하기
위해 상당한 양의 메모리를 요구한다. 이것은 랜덤펀스가 실제 산업에 적용되는 데에 큰 장애로
작용하고 있으며, 특히 모바일과 같은 자원이 제한된 환경에서는 더욱 그러하다. 이 논문에서는
랜덤펀스에서 저장하는 확률분포의 표현방법을 종래의 실수형태에서 이진화 표현으로 변경함으
로써 인식률의 저하 없이 최대 메모리 효율을 1/32까지 줄일 수 있는 경량화된 랜덤펀스를 제안
한다.
