Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Učící modely pro úlohu hledání hustých korespondencí v obrazech

Veřejná podpora

  • Poskytovatel

    Grantová agentura České republiky

  • Program

    Standardní projekty

  • Veřejná soutěž

    Standardní projekty 22 (SGA0201800001)

  • Hlavní účastníci

    České vysoké učení technické v Praze / Fakulta elektrotechnická

  • Druh soutěže

    VS - Veřejná soutěž

  • Číslo smlouvy

    18-25383S

Alternativní jazyk

  • Název projektu anglicky

    Learnable Models for Dense Image Matching

  • Anotace anglicky

    In many computer vision applications it is needed to establish a matching between visual features and objects in two or more images: stereo vision, optical flow, estimation of piece-wise rigid motions from video, medical image registration, etc. We propose to address these problems in a single framework, in which we combine machine-learned features using the neural networks technology and optimization-based models imposing geometric priors in a form of a conditional random field (CRF) model. We identify key components of current dense matching systems and propose ways how these components and respective learning procedures can be improved. We can then address dense matching problems as a family and on several levels of time budget: from very fast systems to slow accurate systems. While an accurate fully supervised training data is hard to acquire, we propose that a model for one dense matching task can be learned from another (possibly slower) model for the same or related task, or even that shared components in both models can be improved iteratively provided unsupervised data.

Vědní obory

  • Kategorie VaV

    ZV - Základní výzkum

  • OECD FORD - hlavní obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

  • OECD FORD - vedlejší obor

  • OECD FORD - další vedlejší obor

  • CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

    AF - Dokumentace, knihovnictví, práce s informacemi<br>BC - Teorie a systémy řízení<br>BD - Teorie informace<br>IN - Informatika

Hodnocení dokončeného projektu

  • Hodnocení poskytovatelem

    O - Nesplněno zadání, smlouva však byla dodržena

  • Zhodnocení výsledků projektu

    Projekt byl ukončen na žádost řešitele po prvním roce řešení z důvodu získání mezinárodního grantu vylučujícího souběh s jinými národními projekty. I tak přináší řadu originálních teorií a návrhů v oblasti počítačového zpracování obrazu. Bylo dosaženo několika kvalitních konferenčních publikací. Během řešení projektu nebyly zjištěny nedostatky v čerpání financí či grantových pravidel.

Termíny řešení

  • Zahájení řešení

    1. 1. 2018

  • Ukončení řešení

    31. 12. 2019

  • Poslední stav řešení

    S - Zastavený (předčasně ukončený) víceletý projekt

  • Poslední uvolnění podpory

    14. 3. 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-GA0-GA-U/02:1

  • Datum dodání záznamu

    4. 3. 2020

Finance

  • Celkové uznané náklady

    2 047 tis. Kč

  • Výše podpory ze státního rozpočtu

    1 683 tis. Kč

  • Ostatní veřejné zdroje financování

    364 tis. Kč

  • Neveřejné tuz. a zahr. zdroje finan.

    0 tis. Kč