Zobrazit minimální záznam

Sharing local information in scanning-window detection



dc.contributor.advisorMatas Jiří
dc.contributor.authorPokorný Jan
dc.date.accessioned2015-03-16T15:34:32Z
dc.date.available2015-03-16T15:34:32Z
dc.identifierKOS-587864148605
dc.identifier.urihttp://hdl.handle.net/10467/61188
dc.description.abstractDetekce objektu je klasická úloha počítačového vidění. WaldBoost je jeden z nejlepších algorimů současnosti pro detekci objektu díky vysoké přesnosti detekce a rychlosti v reálném čase. Standardní metoda skenovacího okna klasifikuje všechna okna nezávisle na sobě, ačkoli překrývající se okna sdílí velké množství informace. Prozkoumání této vlastnosti může vést k výraznému zrychlení standardní metody. Inspirováni prací Hradiše a spol. vyhodnotíme několik rýzných vzorců skenování a prediktorů pro okna překrývající se v prostoru. Dále generalizujeme tuto myšlenku od sousedních oken napříč škálami obrázku a navrhneme detektor WaldBoost with Crosstalk Prediction. Metodu vyhodnotíme na jednom z nejlepších současných datasetů pro detekci obličejů, ukážeme, že je možné standardní detektor výrazně zrychlit s žádnou, případně malou ztrátou kvality detekce, zároveň předčíme referenční metodu Hradiše a spol.cze
dc.description.abstractObject detection is a classic task in computer vision. WaldBoost algorithm is a state-of-the-art method for object detection due its high detection accuracy and real-time speed. However, since the traditional scanning window method classifies all the windows independently and doesn't make use of the information shared among overlapping windows, there is still a possibility of a significant speed-up by exploiting this property. We evaluate number of scanning patterns and predictors for spatially adjacent windows, inspired by work of Hradiš et. al. Furthermore, we generalize this idea from spatially adjacent widows to multiple scales and propose {WaldBoost with Crosstalk Prediction}. Evaluating on a state-of-the-art dataset for face detection, we show that a significant speed-up can be achieved with {WaldBoost with Crosstalk Prediction} with no or a little loss of precision, outperforming the reference method of Hradiš et. al.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdfeng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdfcze
dc.subjectdetekce objektu, AdaBoost, WaldBoost, sdileni lokalni informacecze
dc.titleSdílení lokální informace v detekci založené na klouzajícím oknucze
dc.titleSharing local information in scanning-window detectioneng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.date.accepted2015-01-20
dc.contributor.refereeUrban Martin
theses.degree.disciplineSoftwarové inženýrstvícze
theses.degree.grantorkatedra počítačové grafiky a interakcecze
theses.degree.programmeOtevřená informatikacze


Soubory tohoto záznamu




Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam