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”

Camera Elevation Estimation from a Single Mountain Landscape Photograph

Identifikátory výsledku

  • 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>

Alternativní jazyky

  • 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.

Klasifikace

  • 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)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

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

    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