Star Convex Object Detection by the Infinite Shape Mixture Model

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00212519" target="_blank" >RIV/68407700:21230/13:00212519 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Star Convex Object Detection by the Infinite Shape Mixture Model

Popis výsledku v původním jazyce

Shape is an important feature of many object categories. In this paper we propose a Bayesian framework for detection of unknown number of objects based on their shape. The task is formulated as a minimization of Bayesian risk. The loss function is designed in such a way that the number of objects need not to be known or even bounded. We introduce a probability distribution over object states (number of objects and their poses) called Infinite Shape Mixture Model which is a modification of Rasmussen's Infinite Gaussian Mixture Model. Conditional posterior distributions are derived for all parameters of the model in order to make the inference feasible. Performance of the model is tested on two brief experiments.

Název v anglickém jazyce

Star Convex Object Detection by the Infinite Shape Mixture Model

Popis výsledku anglicky

Shape is an important feature of many object categories. In this paper we propose a Bayesian framework for detection of unknown number of objects based on their shape. The task is formulated as a minimization of Bayesian risk. The loss function is designed in such a way that the number of objects need not to be known or even bounded. We introduce a probability distribution over object states (number of objects and their poses) called Infinite Shape Mixture Model which is a modification of Rasmussen's Infinite Gaussian Mixture Model. Conditional posterior distributions are derived for all parameters of the model in order to make the inference feasible. Performance of the model is tested on two brief experiments.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP202%2F12%2F2071" target="_blank" >GAP202/12/2071: Strukturované statistické modely pro porozumění obrazům</a><br>

Návaznosti

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

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

CVWW 2013: Proceedings of the 18th Computer Vision Winter Workshop

ISBN

978-3-200-02943-9

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

2-8

Název nakladatele

Vienna University of Technology

Místo vydání

Vienna

Místo konání akce

Hernstein

Datum konání akce

4. 2. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—