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”

Single template object detector based on histogram of oriented gradients

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F15%3APU116069" target="_blank" >RIV/00216305:26220/15:PU116069 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/TSP.2015.7296367" target="_blank" >http://dx.doi.org/10.1109/TSP.2015.7296367</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP.2015.7296367" target="_blank" >10.1109/TSP.2015.7296367</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Single template object detector based on histogram of oriented gradients

  • Popis výsledku v původním jazyce

    Most of the current image object detection algorithms use very large data sets for their training and these methods are also optimized for those big data sets. Unfortunately, in many cases it is very costly or even impossible to collect large data sets for training (e.g. in medicine, astronomy, and other fields). In this paper a new approach based on Dalal's Histogram of Oriented Gradients (HOG) [3] is introduced. It is devoted for training from a single training template and is optimized to achieve reasonable accuracy with this limited training set. The accuracy is validated on 100 images, where half of them contains positive and the other half negative images. The accuracy achieved is 98%.

  • Název v anglickém jazyce

    Single template object detector based on histogram of oriented gradients

  • Popis výsledku anglicky

    Most of the current image object detection algorithms use very large data sets for their training and these methods are also optimized for those big data sets. Unfortunately, in many cases it is very costly or even impossible to collect large data sets for training (e.g. in medicine, astronomy, and other fields). In this paper a new approach based on Dalal's Histogram of Oriented Gradients (HOG) [3] is introduced. It is devoted for training from a single training template and is optimized to achieve reasonable accuracy with this limited training set. The accuracy is validated on 100 images, where half of them contains positive and the other half negative images. The accuracy achieved is 98%.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20201 - Electrical and electronic engineering

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • 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

    International Conference on Telecommunications and Signal Processing (TSP)

  • ISBN

    978-1-4799-8498-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    508-512

  • Název nakladatele

    Neuveden

  • Místo vydání

    Prague, Czech Republic

  • Místo konání akce

    Berlín

  • Datum konání akce

    1. 7. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000375231000258