Vyhledávání vizuálních kategorií ve velkém množství obrázků
Cíle projektu
Hlavním cílem projektu je vyhledávání kategorií objektů ve velkých obrazových databázích. K dosažní tohoto cíle vyvineme reprezentaci obrázků vhodnou pro indexování. Následující podproblémy budou zkoumány: návrh nových typů lokálních oblastí zájmu a vhodných deskriptorů, které budou vhodné pro indexování a zároveň budou dostatečně diskriminativní pro ověřování. Metody strojového učení budou aplikovány k naučení detektorů bodů zájmu a deskriptorů z velkého množství trénovacích dat. Trénovací data budou získána automaticky za pomoci vytěžování z velkých kolekcí dat. Při učení modelu kategorií a při detekci modelů budeme studovat: modely zachycující variaci v rámci jedné třídy a metody přechodu od generativních modelů k modelům diskriminativním. Algoritmy pro rychlé skórování, které eliminují většinu chybných kandidátů a současně zachovají většinu instancí objektů hledané kategorie budou studovány. Budeme vyvíjet algoritmy typu hypotéza a verifikace se sekvenčním rozhodováním s důrazem na vztah mezi rychlostí a kvalitou rozhodnutí. Zvláštní pozornost bude věnována verifikaci pomocí geometrické a topologické distribuce oblastí zájmu. Na vyšší úrovni abstrakce plánujeme zkoumat zvyšování kvality vyhledávání pomocí inkrementálního vylepšování modelu z nových příkladů nalezených v neoznačených datech, a vytěžování často se vyskytujících struktur reprezentujících kategorii objektů.
Klíčová slova
Veřejná podpora
Poskytovatel
Ministerstvo školství, mládeže a tělovýchovy
Program
ERC CZ
Veřejná soutěž
ERC CZ 2 (SMSM2013LL1)
Hlavní účastníci
České vysoké učení technické v Praze / Fakulta elektrotechnická
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
MSMT-24083/2013
Alternativní jazyk
Název projektu anglicky
Large Scale Category Retrieval
Anotace anglicky
The main goal of the project is to scale the category-object retrieval to large databases. To achieve this, a suitable image representation for indexing will be built. To this end, the following will be investigated: Design of novel local features and feature classes, and suitable descriptors that enable both fast indexing and have discriminative power for verification. Machine learning approaches to learn features and descriptors from a large amounts of training data. The data will be obtained in an unsupervised manner through large-scale mining The following issues will be investigated for the category model learning and detection stages: Category models capable of capturing intra-class variation will be studied. Methods for a transition from generative to discriminative models will be investigated. Algorithms for fast scoring eliminating a majority of false candidates and preserving most of the instances of the category will be investigated. We will pursue hypothesize and verify algorithms with sequential verification focusing on the speed v. quality of the decision trade-off. Special attention will be paid to spatial or topological distribution of object parts. On the high-level side we plan to tackle the following: Performance boosting by incremental model update from novel examples detected from unlabelled data. Mining for commonly appearing category-like structures.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
CEP - hlavní obor
IN - Informatika
CEP - vedlejší obor
JD - Využití počítačů, robotika a její aplikace
CEP - další vedlejší obor
—
OECD FORD - odpovídající obory
(dle převodníku)10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
20204 - Robotics and automatic control
20205 - Automation and control systems
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Zhodnocení výsledků projektu
V rámci ERC-CZ projektu LASCAR (LL1303) na katedře kybernetiky Fakulty elektrotechnické ČVUT v Praze vznikl nový, mimořádně silný, mezinárodní tým. Tento tým publikoval výzkum v oblasti počítačového vidění a vyhledávání obrázků na prestižních mezinárodních konferencích a v impaktovaných časopisech. Výzkum představuje současný stav vědění a má mimořádný citační ohlas.
Termíny řešení
Zahájení řešení
1. 7. 2013
Ukončení řešení
30. 6. 2018
Poslední stav řešení
U - Ukončený projekt
Poslední uvolnění podpory
2. 2. 2018
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP19-MSM-LL-U/01:1
Datum dodání záznamu
18. 6. 2019
Finance
Celkové uznané náklady
31 903 tis. Kč
Výše podpory ze státního rozpočtu
31 903 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Uznané náklady
31 903 tis. Kč
Statní podpora
31 903 tis. Kč
0%
Poskytovatel
Ministerstvo školství, mládeže a tělovýchovy
CEP
IN - Informatika
Doba řešení
01. 07. 2013 - 30. 06. 2018