Impact of Image Blur on Classification and Augmentation of Deep Convolutional Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F23%3A00571255" target="_blank" >RIV/67985556:_____/23:00571255 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-031-31438-4_8" target="_blank" >http://dx.doi.org/10.1007/978-3-031-31438-4_8</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-31438-4_8" target="_blank" >10.1007/978-3-031-31438-4_8</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Impact of Image Blur on Classification and Augmentation of Deep Convolutional Networks

Popis výsledku v původním jazyce

Blur is a common phenomenon in image acquisition that negatively influences the recognition rate of most classifiers. This paper studies the influence of image blurring of various types and sizes on the recognition rate achieved by a deep convolutional network. We confirm that the blur significantly decreases the performance if the network has been trained on clear images only. When the training set is augmented with blurred samples, the recognition rate becomes sufficiently high even if the blur in query images is of different size than the blur used for training. However, this is mostly not true if query images contain blur of a different type from the one used for training.

Název v anglickém jazyce

Impact of Image Blur on Classification and Augmentation of Deep Convolutional Networks

Popis výsledku anglicky

Blur is a common phenomenon in image acquisition that negatively influences the recognition rate of most classifiers. This paper studies the influence of image blurring of various types and sizes on the recognition rate achieved by a deep convolutional network. We confirm that the blur significantly decreases the performance if the network has been trained on clear images only. When the training set is augmented with blurred samples, the recognition rate becomes sufficiently high even if the blur in query images is of different size than the blur used for training. However, this is mostly not true if query images contain blur of a different type from the one used for training.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20206 - Computer hardware and architecture

Projekt

<a href="/cs/project/GA21-03921S" target="_blank" >GA21-03921S: Inverzní problémy ve zpracování obrazu</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

Image Analysis: 23rd Scandinavian Conference, SCIA 2023

ISBN

978-3-031-31437-7

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

108-117

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Levi

Datum konání akce

18. 4. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—