Texture-Based Leaf Identification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00230202" target="_blank" >RIV/68407700:21230/15:00230202 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-16220-1_14" target="_blank" >http://dx.doi.org/10.1007/978-3-319-16220-1_14</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-16220-1_14" target="_blank" >10.1007/978-3-319-16220-1_14</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Texture-Based Leaf Identification

Popis výsledku v původním jazyce

A novel approach to visual leaf identification is proposed. A leaf is represented by a pair of local feature histograms, one computed from the leaf interior, the other from the border. The histogrammed local features are an improved version of a recentlyproposed rotation and scale invariant descriptor based on local binary patterns (LBPs). Describing the leaf with multi-scale histograms of rotationally invariant features derived from sign- and magnitude-LBP provides a desirable level of invariance. Therepresentation does not use colour. Using the same parameter settings in all experiments and standard evaluation protocols, the method outperforms the state-of-the-art on all tested leaf sets - the Austrian Federal Forests dataset, the Flavia dataset, the Foliage dataset, the Swedish dataset and the Middle European Woods dataset - achieving excellent recognition rates above 99%. Preliminary results on images from the north and south regions of France obtained from the LifeCLEF'14 Plant

Název v anglickém jazyce

Texture-Based Leaf Identification

Popis výsledku anglicky

A novel approach to visual leaf identification is proposed. A leaf is represented by a pair of local feature histograms, one computed from the leaf interior, the other from the border. The histogrammed local features are an improved version of a recentlyproposed rotation and scale invariant descriptor based on local binary patterns (LBPs). Describing the leaf with multi-scale histograms of rotationally invariant features derived from sign- and magnitude-LBP provides a desirable level of invariance. Therepresentation does not use colour. Using the same parameter settings in all experiments and standard evaluation protocols, the method outperforms the state-of-the-art on all tested leaf sets - the Austrian Federal Forests dataset, the Flavia dataset, the Foliage dataset, the Swedish dataset and the Middle European Woods dataset - achieving excellent recognition rates above 99%. Preliminary results on images from the north and south regions of France obtained from the LifeCLEF'14 Plant

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 IV

ISBN

978-3-319-16219-5

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

16

Strana od-do

185-200

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

000361842800014