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”

Density-Based Vehicle Counting with Unsupervised Scale Selection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APU138878" target="_blank" >RIV/00216305:26230/20:PU138878 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.dicta2020.org/wp-content/uploads/2020/09/22_CameraReady.pdf" target="_blank" >http://www.dicta2020.org/wp-content/uploads/2020/09/22_CameraReady.pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/DICTA51227.2020.9363401" target="_blank" >10.1109/DICTA51227.2020.9363401</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Density-Based Vehicle Counting with Unsupervised Scale Selection

  • Popis výsledku v původním jazyce

    A significant hurdle within any counting task is the variance in scale of the objects to be counted. While size changes of some extent can be induced by perspective distortion, more severe scale differences can easily occur, e.g. in case of images taken by a  drone from different elevations above the ground. The aim of our work is to overcome this issue by leveraging only lightweight dot annotations and a minimum level of training supervision. We propose a modification to the Stacked Hourglass network which enables the model to process multiple input scales and to automatically select the most suitable candidate using a quality score. We alter the training procedure to enable learning of the quality scores while avoiding their direct supervision, and thus without requiring any additional annotation effort. We evaluate our method on three standard datasets: PUCPR+, TRANCOS and CARPK. The obtained results are on par with current state-of-the-art methods while being more robust towards significant variations in input scale.

  • Název v anglickém jazyce

    Density-Based Vehicle Counting with Unsupervised Scale Selection

  • Popis výsledku anglicky

    A significant hurdle within any counting task is the variance in scale of the objects to be counted. While size changes of some extent can be induced by perspective distortion, more severe scale differences can easily occur, e.g. in case of images taken by a  drone from different elevations above the ground. The aim of our work is to overcome this issue by leveraging only lightweight dot annotations and a minimum level of training supervision. We propose a modification to the Stacked Hourglass network which enables the model to process multiple input scales and to automatically select the most suitable candidate using a quality score. We alter the training procedure to enable learning of the quality scores while avoiding their direct supervision, and thus without requiring any additional annotation effort. We evaluate our method on three standard datasets: PUCPR+, TRANCOS and CARPK. The obtained results are on par with current state-of-the-art methods while being more robust towards significant variations in input scale.

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

    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)

Ostatní

  • Rok uplatnění

    2020

  • 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

    Digital Image Computing: Techniques and Applications 2020

  • ISBN

    978-1-7281-9108-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    1-8

  • Název nakladatele

    Institute of Electrical and Electronics Engineers

  • Místo vydání

    Melbourne

  • Místo konání akce

    Melbourne

  • Datum konání akce

    30. 11. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000935148000034