Počet záznamů: 1
Impact of Image Blur on Classification and Augmentation of Deep Convolutional Networks
- 1.
SYSNO ASEP 0571255 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Impact of Image Blur on Classification and Augmentation of Deep Convolutional Networks Tvůrce(i) Lébl, Matěj (UTIA-B)
Šroubek, Filip (UTIA-B) RID, ORCID
Flusser, Jan (UTIA-B) RID, ORCIDCelkový počet autorů 3 Zdroj.dok. Image Analysis: 23rd Scandinavian Conference, SCIA 2023. - Cham : Springer, 2023 / Gade R. - ISBN 978-3-031-31437-7 Rozsah stran s. 108-117 Poč.str. 10 s. Forma vydání Tištěná - P Akce Scandinavian Conference on Image Analysis 2023 /23./ Datum konání 18.04.2023 - 21.04.2023 Místo konání Levi Země FI - Finsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. CH - Švýcarsko Klíč. slova Image recognition ; Blur ; Augmentation of the training set ; Convolutional neural network Vědní obor RIV JD - Využití počítačů, robotika a její aplikace Obor OECD Computer hardware and architecture CEP GA21-03921S GA ČR - Grantová agentura ČR Institucionální podpora UTIA-B - RVO:67985556 EID SCOPUS 85160816520 DOI 10.1007/978-3-031-31438-4_8 Anotace Blur is a common phenomenon in image acquisition that negatively influences the recognition rate of most classifiers. This paper studies the influence of image blurring of various types and sizes on the recognition rate achieved by a deep convolutional network. We confirm that the blur significantly decreases the performance if the network has been trained on clear images only. When the training set is augmented with blurred samples, the recognition rate becomes sufficiently high even if the blur in query images is of different size than the blur used for training. However, this is mostly not true if query images contain blur of a different type from the one used for training. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2024
Počet záznamů: 1