Multimodal Point Distribution Model for Anthropological Landmark Detection
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F19%3A00110475" target="_blank" >RIV/00216224:14330/19:00110475 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICIP.2019.8803252" target="_blank" >http://dx.doi.org/10.1109/ICIP.2019.8803252</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICIP.2019.8803252" target="_blank" >10.1109/ICIP.2019.8803252</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Multimodal Point Distribution Model for Anthropological Landmark Detection
Popis výsledku v původním jazyce
While current landmark detection algorithms offer a good approximation of the landmark locations, they are often unsuitable for the use in biological research. We present multimodal landmark detection approach, based on Point distribution model that detects a larger number of anthropologically relevant landmarks than the current landmark detection algorithms. At the same time we show that improving detection accuracy of initial vertices, using image information, to which the Point distribution model is fitted, increases both the overall accuracy and the stability of the detected landmarks. We show results on data from the public FIDENTIS Database, created for the anthropological research, and compare them to the state-of-the-art landmark detection algorithms that are based on statistical shape models.
Název v anglickém jazyce
Multimodal Point Distribution Model for Anthropological Landmark Detection
Popis výsledku anglicky
While current landmark detection algorithms offer a good approximation of the landmark locations, they are often unsuitable for the use in biological research. We present multimodal landmark detection approach, based on Point distribution model that detects a larger number of anthropologically relevant landmarks than the current landmark detection algorithms. At the same time we show that improving detection accuracy of initial vertices, using image information, to which the Point distribution model is fitted, increases both the overall accuracy and the stability of the detected landmarks. We show results on data from the public FIDENTIS Database, created for the anthropological research, and compare them to the state-of-the-art landmark detection algorithms that are based on statistical shape models.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10200 - Computer and information sciences
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
26th IEEE International Conference on Image Processing (ICIP2019)
ISBN
9781538662496
ISSN
1522-4880
e-ISSN
2381-8549
Počet stran výsledku
5
Strana od-do
2986-2990
Název nakladatele
Springer
Místo vydání
Taipei, Taiwan
Místo konání akce
Taipei, Taiwan
Datum konání akce
1. 1. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000521828603020