Detail publikace
Density-Based Vehicle Counting with Unsupervised Scale Selection
Špaňhel Jakub, Ing., Ph.D. (UPGM)
Bartl Vojtěch, Ing., Ph.D. (UPGM)
Juránek Roman, Ing., Ph.D. (UPGM)
Herout Adam, prof. Ing., Ph.D. (UPGM)
Hluboké učení; Odhad hustoty; Počítání objektů; Dopravní dohled; Počítání vozidel
Významnou překážkou pro úlohy zaměřené na vizuální počítání jsou značné rozdíly v rozměrech objektů, které mají být v obraze spočítány. Rozdílná velikost může být způsobena perspektivním zkreslením, mnohem větší změny velikosti však mohou velmi jednoduše nastat například v případě snímků pořízených dronem v různých výškách nad zemí. Cílem práce je přispět k překonání tohoto problému za použití pouze velmi jednoduchých anotací v podobě teček, a minimální úrovně supervize při trénování. Práce navrhuje modifikaci struktury neuronové sítě Stacked Hourglass, která modelu umožňuje zpracovat více měřítek vstupního obrazu a automaticky z nich vybrat vhodného kandidáta pomocí skóre udávajícího kvalitu. Upravený je také samotný proces trénování tak, že umožňuje učení skóre kvality bez nutnosti přímé supervize, a tudíž není vyžadované žádné další úsilí pro anotaci dat. Prezentovaný přístup je vyhodnocen na třech běžně používaných datasetech: PUCPR+, TRANCOS a CARPK. Dosažené výsledky jsou srovnatelné s jinými současnými metodami, navíc jsou však více robustní vůči výrazným změnám vstupního měřítka.
@inproceedings{BUT168491,
author="Petr {Dobeš} and Jakub {Špaňhel} and Vojtěch {Bartl} and Roman {Juránek} and Adam {Herout}",
title="Density-Based Vehicle Counting with Unsupervised Scale Selection",
booktitle="Digital Image Computing: Techniques and Applications 2020",
year="2020",
pages="1--8",
publisher="Institute of Electrical and Electronics Engineers",
address="Melbourne",
doi="10.1109/DICTA51227.2020.9363401",
isbn="978-1-7281-9108-9",
url="http://www.dicta2020.org/wp-content/uploads/2020/09/22_CameraReady.pdf"
}