Deep structured-output regression learning for computational color constancy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00315761" target="_blank" >RIV/68407700:21230/17:00315761 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICPR.2016.7899914" target="_blank" >http://dx.doi.org/10.1109/ICPR.2016.7899914</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICPR.2016.7899914" target="_blank" >10.1109/ICPR.2016.7899914</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Deep structured-output regression learning for computational color constancy

Popis výsledku v původním jazyce

The color constancy problem is addressed by structured-output regression on the values of the fully-connected layers of a convolutional neural network. The AlexNet and the VGG are considered and VGG slightly outperformed AlexNet. Best results were obtained with the first fully-connected 'fc6' layer and with multi-output support vector regression. Experiments on the SFU Color Checker and Indoor Dataset benchmarks demonstrate that our method achieves competitive performance, outperforming the state of the art on the SFU indoor benchmark.

Název v anglickém jazyce

Deep structured-output regression learning for computational color constancy

Popis výsledku anglicky

The color constancy problem is addressed by structured-output regression on the values of the fully-connected layers of a convolutional neural network. The AlexNet and the VGG are considered and VGG slightly outperformed AlexNet. Best results were obtained with the first fully-connected 'fc6' layer and with multi-output support vector regression. Experiments on the SFU Color Checker and Indoor Dataset benchmarks demonstrate that our method achieves competitive performance, outperforming the state of the art on the SFU indoor benchmark.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TE01020415" target="_blank" >TE01020415: Centrum kompetence ve zpracování vizuálních informací (V3C - Visual Computing Competence Center)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

2016 23rd International Conference on Pattern Recognition (ICPR)

ISBN

978-1-5090-4847-2

ISSN

1051-4651

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1899-1904

Název nakladatele

Institute of Electrical and Electronics Engineers

Místo vydání

—

Místo konání akce

Cancun

Datum konání akce

4. 12. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000406771301150