Modeling Symmetries for Stochastic Structural Recognition
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00187152" target="_blank" >RIV/68407700:21230/11:00187152 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Modeling Symmetries for Stochastic Structural Recognition
Popis výsledku v původním jazyce
We propose a method for stochastic parsing of images with regular structures exhibiting symmetries, such as facades of buildings. The translational symmetry is represented by an array of elements (windows) that is generated with a stochastic grammar which allows structural exceptions and spatial deviations for individual elements. The reflection symmetry of the elements is automatically inferred as a part of the learning process, where a set of random weak features is boosted into a final mixture. A hierarchical probability model is built for the attributed 'words' generated by the proposed grammar. The image parsing result is then found as the most probable interpretation visited with MCMC sampler which is designed to efficiently explore the space ofpossible configurations.
Název v anglickém jazyce
Modeling Symmetries for Stochastic Structural Recognition
Popis výsledku anglicky
We propose a method for stochastic parsing of images with regular structures exhibiting symmetries, such as facades of buildings. The translational symmetry is represented by an array of elements (windows) that is generated with a stochastic grammar which allows structural exceptions and spatial deviations for individual elements. The reflection symmetry of the elements is automatically inferred as a part of the learning process, where a set of random weak features is boosted into a final mixture. A hierarchical probability model is built for the attributed 'words' generated by the proposed grammar. The image parsing result is then found as the most probable interpretation visited with MCMC sampler which is designed to efficiently explore the space ofpossible configurations.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2011
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
Proceedings of the 2nd International Workshop on Stochastic Image Grammars at 2011 IEEE International Conference on Computer Vision
ISBN
978-1-4673-0063-6
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
632-639
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Barcelona
Datum konání akce
12. 11. 2011
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000300056700087