Camera Elevation Estimation from a Single Mountain Landscape Photograph
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00236246" target="_blank" >RIV/68407700:21230/15:00236246 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216305:26230/15:PU117026
Výsledek na webu
<a href="http://dx.doi.org/10.5244/C.29.30" target="_blank" >http://dx.doi.org/10.5244/C.29.30</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5244/C.29.30" target="_blank" >10.5244/C.29.30</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Camera Elevation Estimation from a Single Mountain Landscape Photograph
Popis výsledku v původním jazyce
This work addresses the problem of camera elevation estimation from a single photograph in an outdoor environment. We introduce a new benchmark dataset of one-hundred thousand images with annotated camera elevation called Alps100K. We propose and experimentally evaluate two automatic data-driven approaches to camera elevation estimation: one based on convolutional neural networks, the other on local features. To compare the proposed methods to human performance, an experiment with 100 subjects is conducted. The experimental results show that both proposed approaches outperform humans and that the best result is achieved by their combination.
Název v anglickém jazyce
Camera Elevation Estimation from a Single Mountain Landscape Photograph
Popis výsledku anglicky
This work addresses the problem of camera elevation estimation from a single photograph in an outdoor environment. We introduce a new benchmark dataset of one-hundred thousand images with annotated camera elevation called Alps100K. We propose and experimentally evaluate two automatic data-driven approaches to camera elevation estimation: one based on convolutional neural networks, the other on local features. To compare the proposed methods to human performance, an experiment with 100 subjects is conducted. The experimental results show that both proposed approaches outperform humans and that the best result is achieved by their combination.
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/LL1303" target="_blank" >LL1303: Vyhledávání vizuálních kategorií ve velkém množství obrázků</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>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
Proceedings of the British Machine Vision Conference (BMVC)
ISBN
978-1-901725-53-7
ISSN
—
e-ISSN
—
Počet stran výsledku
12
Strana od-do
—
Název nakladatele
British Machine Vision Association
Místo vydání
London
Místo konání akce
Swansea
Datum konání akce
7. 9. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—