Sharing local information in scanning-window detection

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00238014" target="_blank" >RIV/68407700:21230/15:00238014 - isvavai.cz</a>

Výsledek na webu

<a href="http://cvww2015.icg.tugraz.at/papers_web/cvww2015_paper_id31.pdf" target="_blank" >http://cvww2015.icg.tugraz.at/papers_web/cvww2015_paper_id31.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3217/978-3-85125-388-7" target="_blank" >10.3217/978-3-85125-388-7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Sharing local information in scanning-window detection

Popis výsledku v původním jazyce

WaldBoost algorithm is a state-of-the-art method for object detection due to its high detection accuracy and real-time speed. However, since the scanning window procedure does not make use of information shared among overlapping windows, there is still a possibility of a significant speed-up by exploiting this property. Zemcik et al. recently proposed to use a second classifier to suppress the neighboring positions with a negligible computational overhead. In this paper we improve upon the work of Zemcık et al. and show that with an improved scanning strategy and predictor selection we outperform it in both geometric accuracy as well as detection rate on the FDDB dataset for face detec- tion, while achieving the same or a higher speed-up

Název v anglickém jazyce

Sharing local information in scanning-window detection

Popis výsledku anglicky

WaldBoost algorithm is a state-of-the-art method for object detection due to its high detection accuracy and real-time speed. However, since the scanning window procedure does not make use of information shared among overlapping windows, there is still a possibility of a significant speed-up by exploiting this property. Zemcik et al. recently proposed to use a second classifier to suppress the neighboring positions with a negligible computational overhead. In this paper we improve upon the work of Zemcık et al. and show that with an improved scanning strategy and predictor selection we outperform it in both geometric accuracy as well as detection rate on the FDDB dataset for face detec- tion, while achieving the same or a higher speed-up

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

CVWW 2015: Proceedings of the 20th Computer Vision Winter Workshop

ISBN

978-3-85125-388-7

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

107-113

Název nakladatele

Graz University of Technology

Místo vydání

Graz

Místo konání akce

Seggau

Datum konání akce

9. 2. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—