Texture-Based Leaf Identification
Identifikátory výsledku
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>
Alternativní jazyky
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
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
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
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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