Detail publikace

Resource Efficient Mountainous Skyline Extraction using Shallow Learning

AHMAD Touqeer, EMAMI Ebrahim, ČADÍK Martin a BEBIS George. Resource Efficient Mountainous Skyline Extraction using Shallow Learning. In: Proceedings of the International Joint Conference on Neural Networks (IJCNN). Hoffman Estates: Institute of Electrical and Electronics Engineers, 2021, s. 1-9. ISBN 978-1-6654-3900-8. Dostupné z: http://cadik.posvete.cz/papers/IJCNN21_Skyline_Final.pdf
Název česky
Efektivní metoda pro detekci křivky horizontu s využitím mělkého učení
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
Ahmad Touqeer (UNR)
Emami Ebrahim (UNR)
Čadík Martin, doc. Ing., Ph.D. (UPGM FIT VUT)
Bebis George (UNR)
URL
Klíčová slova


Extrakce horizontu, detekce horizontu, křivka horizontu, mělké učení

Abstrakt

Křivka horizontu hraje klíčovou roli v horské vizuální geo-lokalizaci a lokalizaci/navigaci vozidel/UAV a aplikací virtuální/rozšířené reality. V tomto článku představujeme nový přístup k detekci křivky horizontu, ve kterém jsme využili tzv. mělké učení (shallow learning). Naše metoda je založena na trénování sady filtrů pro rozlišení mezi hranami patřícími k hranici mezi terénem a oblohou. Na rozdíl od dřívějších přístupů, které se spoléhají na extrakci explicitních deskriptorů a jejich klasifikaci nebo ladění hlubokých sítí pro segmentaci oblohy, náš přístup se učí lineární filtry založené na analýze lokální struktury. Metoda pro každý kandidátský hranový pixel vybere jeden filtr ze sady naučených filtrů na základě tenzoru struktury pixelů a poté jej aplikuje. Následně využíváme dynamické programování, abychom vyřešili problém nejkratší cesty výsledného vícestupňového grafu, čímž získáme hranici obloha-terén. Navrhovaný přístup je výpočetně rychlejší než dřívější metody a poskytuje srovnatelný výkon, čímž je vhodnější pro platformy s omezenými zdroji, např. mobilní zařízení, planetární vozidla a UAV. Navrhovaný přístup porovnáváme s dřívějšími metodami detekce panoramat na čtyřech různých datových sadách. Náš kód je k dispozici na https://github.com/TouqeerAhmad/skylinedetection

Rok
2021
Strany
1-9
Sborník
Proceedings of the International Joint Conference on Neural Networks (IJCNN)
Konference
The 2021 International Joint Conference on Neural Networks, USA, US
ISBN
978-1-6654-3900-8
Vydavatel
Institute of Electrical and Electronics Engineers
Místo
Hoffman Estates, US
DOI
10.1109/IJCNN52387.2021.9533859
UT WoS
000722581704065
EID Scopus
2-s2.0-85116414938
BibTeX 
@INPROCEEDINGS{FITPUB12487,
   author = "Touqeer Ahmad and Ebrahim Emami and Martin \v{C}ad\'{i}k and George Bebis",
   title = "Resource Efficient Mountainous Skyline Extraction using Shallow Learning",
   pages = "1--9",
   booktitle = "Proceedings of the International Joint Conference on Neural Networks (IJCNN)",
   year = 2021,
   location = " Hoffman Estates, US",
   publisher = "Institute of Electrical and Electronics Engineers",
   ISBN = "978-1-6654-3900-8",
   doi = "10.1109/IJCNN52387.2021.9533859",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12487"
}
Nahoru