Stochastic Recognition of Regular Structures in Facade Images

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00200270" target="_blank" >RIV/68407700:21230/12:00200270 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.am.sanken.osaka-u.ac.jp/CVA/" target="_blank" >http://www.am.sanken.osaka-u.ac.jp/CVA/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.2197/ipsjtcva.4.63" target="_blank" >10.2197/ipsjtcva.4.63</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Stochastic Recognition of Regular Structures in Facade Images

Popis výsledku v původním jazyce

We present a method for recognition of structured images and demonstrate it on the detection of windows in facade images. Given an ability to obtain local low-level data evidence on primitive elements of a structure (like window in a facade image), we determine their most probable number, attribute values (location, size) and neighborhood relation. The embedded structure is weakly modeled by pair-wise attribute constraints, which allow structure and attributes to mutually support each other. We use a very general framework of reversible jump MCMC, which allows simple implementation of a specific structure model and plug-in of almost arbitrary element classifiers. We have chosen the domain of window recognition in facade images to demonstrate that the result is an efficient algorithm achieving performance of other strongly informed methods for regular structures.

Název v anglickém jazyce

Stochastic Recognition of Regular Structures in Facade Images

Popis výsledku anglicky

We present a method for recognition of structured images and demonstrate it on the detection of windows in facade images. Given an ability to obtain local low-level data evidence on primitive elements of a structure (like window in a facade image), we determine their most probable number, attribute values (location, size) and neighborhood relation. The embedded structure is weakly modeled by pair-wise attribute constraints, which allow structure and attributes to mutually support each other. We use a very general framework of reversible jump MCMC, which allows simple implementation of a specific structure model and plug-in of almost arbitrary element classifiers. We have chosen the domain of window recognition in facade images to demonstrate that the result is an efficient algorithm achieving performance of other strongly informed methods for regular structures.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP103%2F12%2F1578" target="_blank" >GAP103/12/1578: Strukturní a sémantické modelování architektury jako problém interpretace digitálního obrazu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Název periodika

IPSJ Transactions on Computer Vision and Applications (CVA)

ISSN

1882-6695

e-ISSN

—

Svazek periodika

4

Číslo periodika v rámci svazku

May

Stát vydavatele periodika

JP - Japonsko

Počet stran výsledku

8

Strana od-do

63-70

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—