Camera Elevation Estimation from a Single Mountain Landscape Photograph

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F15%3APU117026" target="_blank" >RIV/00216305:26230/15:PU117026 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21230/15:00236246

Výsledek na webu

<a href="http://cphoto.fit.vutbr.cz/elevation/" target="_blank" >http://cphoto.fit.vutbr.cz/elevation/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.5244/C.29.30" target="_blank" >10.5244/C.29.30</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Camera Elevation Estimation from a Single Mountain Landscape Photograph

Popis výsledku v původním jazyce

This work addresses the problem of camera elevation estimation from a  single photograph in an outdoor environment. We introduce a new benchmark dataset of one-hundred thousand images with annotated camera elevation called Alps100K. We propose and experimentally evaluate two automatic data-driven approaches to camera elevation estimation: one based on convolutional neural networks, the other on local features. To compare the proposed methods to human performance, an experiment with 100 subjects is conducted. The experimental results show that both proposed approaches outperform humans and that the best result is achieved by their combination.

Název v anglickém jazyce

Camera Elevation Estimation from a Single Mountain Landscape Photograph

Popis výsledku anglicky

This work addresses the problem of camera elevation estimation from a  single photograph in an outdoor environment. We introduce a new benchmark dataset of one-hundred thousand images with annotated camera elevation called Alps100K. We propose and experimentally evaluate two automatic data-driven approaches to camera elevation estimation: one based on convolutional neural networks, the other on local features. To compare the proposed methods to human performance, an experiment with 100 subjects is conducted. The experimental results show that both proposed approaches outperform humans and that the best result is achieved by their combination.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

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

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

British Machine Vision Conference 2015

ISBN

978-1-901725-53-7

ISSN

—

e-ISSN

—

Počet stran výsledku

12

Strana od-do

1-12

Název nakladatele

The British Machine Vision Association and Society for Pattern Recognition

Místo vydání

Swansea

Místo konání akce

Swansea

Datum konání akce

7. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—