Stochastic Recognition of Regular Structures in Facade Images
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—