Visual Object Recognition - Traditional Methods Along with Deep Learning Approaches

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F23%3A00578865" target="_blank" >RIV/67985556:_____/23:00578865 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Visual Object Recognition - Traditional Methods Along with Deep Learning Approaches

Popis výsledku v původním jazyce

The talk falls into the area of visual Artificial Intelligence (AI), particularly to image recognition by deep networks. In AI applications such as surveillance systems, autonomous robots, unmanned vehicles, drones, etc., cameras and other visual sensors form the “eyes” of the system while image recognition algorithms substitute the visual cortex of the brain. The key requirement is a continuous (possibly real-time) analysis of the visual field and, in that way, preparing the basis for decision and next action planning. The visual analysis may comprise scene segmentation, detection of objects and persons of interest, recognition of their identity and their behaviour, and even prediction of their next actions.

Název v anglickém jazyce

Visual Object Recognition - Traditional Methods Along with Deep Learning Approaches

Popis výsledku anglicky

The talk falls into the area of visual Artificial Intelligence (AI), particularly to image recognition by deep networks. In AI applications such as surveillance systems, autonomous robots, unmanned vehicles, drones, etc., cameras and other visual sensors form the “eyes” of the system while image recognition algorithms substitute the visual cortex of the brain. The key requirement is a continuous (possibly real-time) analysis of the visual field and, in that way, preparing the basis for decision and next action planning. The visual analysis may comprise scene segmentation, detection of objects and persons of interest, recognition of their identity and their behaviour, and even prediction of their next actions.

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

14th Conference of Data Analysis Methods for Software Systems (DAMSS23)

ISBN

—

ISSN

2669-0233

e-ISSN

2669-0233

Počet stran výsledku

1

Strana od-do

23-23

Název nakladatele

Vilnius University Press

Místo vydání

Vilnius

Místo konání akce

Druskininkai

Datum konání akce

30. 11. 2023

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—