Evolutionary Approximation of Gradient Orientation Module in HOG-based Human Detection System

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F17%3APU126415" target="_blank" >RIV/00216305:26230/17:PU126415 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.fit.vut.cz/research/publication/11441/" target="_blank" >https://www.fit.vut.cz/research/publication/11441/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/GlobalSIP.2017.8309171" target="_blank" >10.1109/GlobalSIP.2017.8309171</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evolutionary Approximation of Gradient Orientation Module in HOG-based Human Detection System

Popis výsledku v původním jazyce

The histogram of oriented gradients (HOG) feature extraction is a computer vision method widely used in embedded systems for detection of objects such as pedestrians. We used Cartesian genetic programming (CGP) to exploit the error resilience in the HOG algorithm. We evolved new approximate implementations of the arctan function, which is typically employed to compute the gradient orientations. When the best evolved approximations are integrated into the SW implementation of the HOG algorithm, not only the execution time, but also the classification accuracy was improved in comparison with the accurate implementation and the state-of-the-art approximate implementations.

Název v anglickém jazyce

Evolutionary Approximation of Gradient Orientation Module in HOG-based Human Detection System

Popis výsledku anglicky

The histogram of oriented gradients (HOG) feature extraction is a computer vision method widely used in embedded systems for detection of objects such as pedestrians. We used Cartesian genetic programming (CGP) to exploit the error resilience in the HOG algorithm. We evolved new approximate implementations of the arctan function, which is typically employed to compute the gradient orientations. When the best evolved approximations are integrated into the SW implementation of the HOG algorithm, not only the execution time, but also the classification accuracy was improved in comparison with the accurate implementation and the state-of-the-art approximate implementations.

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

<a href="/cs/project/LQ1602" target="_blank" >LQ1602: IT4Innovations excellence in science</a><br>

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

2017 IEEE Global Conference on Signal and Information Processing GlobalSIP 2017

ISBN

978-1-5090-5989-8

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1300-1304

Název nakladatele

IEEE Signal Processing Society

Místo vydání

Montreal

Místo konání akce

Montreal, Kanada

Datum konání akce

14. 11. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000450053100257