The cognitive shape representation that agrees with human intuition is proposed for the conceptual recognition and learning from pictogram or real shapes. Descriptions specifying the structure of shape in terms of meaningful parts and relations have cognitive power and anthropomorphism. A distinctive characteristic of this method is that, instead of using fixed computational representation, it describes the shapes by appropriate techniques depending on the shapes.
Global shape analysis determines proper technique by interpreting various global features, such as collinearity, regularity, bending energy, compactness, and pattern ratio. The hybrid shape representation method that is organized hierarchically is presented for the conceptual recognition and fast matching with a large number of objects. Structural shapes are represented by cognitive shape decomposition and semantic network representation of parts and relations. For the cognitive shape decomposition that agrees with human intuition, many heuristic rules are applied on the context of collinearity, regularity, parallelism, and simplicity.
Shape primitives are restricted to triangle, rectangle, and circle for reducing complexity. Each primitive is refined by similarity network. The structure of shape is described by the relationship among the primitives. From this cognitive description, classification of objects and concepts can be learned easily by generalization and specialization. A number of experiments conducted on the different types of shapes shows that the results correspond with human intuition.
본 논문은 도안 그림 혹은 실물 형태의 개념적 인식과 학습을 위해 사람의 직관과 부합하는 인지적 형태 표현 기법을 제안하였다. 의미있는 부분과 그들의 관계를 가지고 형태의 구조를 묘사하는 표현은 인지적 능력을 갖는 인간적인 표현 기법이다. 특히, 본 논문은 고정된 계산 표현 기법을 이용하는 대신에 형태에 따라 적합한 기법을 채택하였다.
전체 형태 분석은 동직선성(Collinearity), 규칙성(Regularity), 휨에너지(Bending energy), 함축도(Compactness), 형태비(Pattern ratio)와 같은 여러가지 특징들을 해석하여 적합한 기법을 결정한다. 계층적으로 구성된 복합 형태 표현 기법이 많은 물체와의 빠른 비교와 개념적 인식을 위해 제시 되었다. 구조적 형태는 인지적 형태 분할과 부분 및 관계의 의미적 망 표현법(Semantic net)에 의해 기술된다. 인간의 직관에 부응하는 인지적 형태 분할을 위해 많은 경험적 법칙들이 동직선성, 규칙성, 평행성, 단순성과 관련하여 적용 되었다.
기본적 표현 요소들의 복잡성을 줄이기 위해 형태의 기본 요소는 삼각형, 사각형, 원형으로 제한 되었으며 각각은 유사성 망구조(Similarity network)에 의해 세분화 될 수 있다. 구조적 형태는 그들 요소의 상호 관계에 의해 기술 된다. 이러한 인지적 표현으로 부터 물체의 분류와 개념은 일반화와 특수화 과정을 통해 용이하게 학습 될 수 있다. 상이한 종류의 형태에 대해 수행된 몇가지 실험을 통해, 본 연구는 인간의 직관에 호응하는 결과를 보여 주었다.
