Fast Features Invariant to Rotation and Scale of Texture

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00230200" target="_blank" >RIV/68407700:21230/15:00230200 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-16181-5_4" target="_blank" >http://dx.doi.org/10.1007/978-3-319-16181-5_4</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-16181-5_4" target="_blank" >10.1007/978-3-319-16181-5_4</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Fast Features Invariant to Rotation and Scale of Texture

Popis výsledku v původním jazyce

A family of novel texture representations called Ffirst, the Fast Features Invariant to Rotation and Scale of Texture, is introduced. New rotation invariants are proposed, extending the LBP-HF features, improving the recognition accuracy. Using the fullset of LBP features, as opposed to uniform only, leads to further improvement. Linear Support Vector Machines with an approximate chi2 kernel map are used for fast and precise classification. Experimental results show that Ffirst exceeds the best reported results in texture classification on three difficult datasets KTH-TIPS2a, KTH-TIPS2b and ALOT, achieving 88%, 76% and 96% accuracy respectively. The recognition rates are above 99% on standard texture datasets KTH-TIPS, Brodatz32, UIUCTex, UMD, CUReT.

Název v anglickém jazyce

Fast Features Invariant to Rotation and Scale of Texture

Popis výsledku anglicky

A family of novel texture representations called Ffirst, the Fast Features Invariant to Rotation and Scale of Texture, is introduced. New rotation invariants are proposed, extending the LBP-HF features, improving the recognition accuracy. Using the fullset of LBP features, as opposed to uniform only, leads to further improvement. Linear Support Vector Machines with an approximate chi2 kernel map are used for fast and precise classification. Experimental results show that Ffirst exceeds the best reported results in texture classification on three difficult datasets KTH-TIPS2a, KTH-TIPS2b and ALOT, achieving 88%, 76% and 96% accuracy respectively. The recognition rates are above 99% on standard texture datasets KTH-TIPS, Brodatz32, UIUCTex, UMD, CUReT.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Computer Vision - ECCV 2014 Workshops, Part II

ISBN

978-3-319-16180-8

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

16

Strana od-do

47-62

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Zurich

Datum konání akce

6. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000362495500004