• P2-0214 - Računalniški vid
Naročnik: Javna agencija za raziskovalno dejavnost RS ( P2-0214 )
Tip projekta: Raziskovalni programi ARRS
Trajanje projekta: 2019 - 2024
  • Opis

Programska skupina izvaja osnovne in aplikativne raziskave na področju umetnega zaznavanja, bolj specifično na področju računalniškega in spoznavnega vida. Ta problematika predstavlja eno izmed najpomembnejših komponent inteligentnih sistemov, od informacijskih do robotskih, in je nepogrešljiv del številnih aplikacij, kot so detekcija, kategorizacija in segmentacija predmetov ter prizorov, prepoznavanje obrazov, vizualni nadzor in sledenje, samodejno vodenje vozil in upravljanje različnih tipov robotov. V zadnjih letih je bil predvsem na krilih metod globokega učenja na področju računalniškega vida narejen ogromen napredek. Praktična uporaba pristopov računalniškega vida se vse bolj širi iz nadzorovanih industrijskih okolij na različna področja vsakdanjega življenja. Kljub temu številni izzivi ostajajo nerešeni. Robustnost delovanja v zelo kompleksnih in dinamičnih pogojih še vedno ni dovolj visoka za popolnoma avtonomno analizo slik. Za uspešno delovanje danes prevladujočih metod nadzorovanega globokega učenja je potrebno zagotoviti ogromne količine označenih učnih podatkov, dostop do ogromne količine surovih podatkov, tako slik, videov kot oblakov 3D točk, pa postaja vse enostavnejši in cenejši. Povečuje se tudi računska zmogljivost naprav za procesiranje vizualne informacije. V okviru raziskovalnega programa bomo naslovili te pomanjkljivosti in izkoristili prednosti, ki jih prinaša razvoj na tem področju. Opravljali bomo temeljne raziskave, hkrati pa bomo naše ugotovitve aplicirali na konkretnih problemskih domenah. Nadaljevali bomo naše zelo uspešno delo na področju razvoja vizualnih sledilnikov in metodologije za njihovo evalvacijo. Razvijali bomo nove metode računalniškega vida in strojnega učenja za avtonomni nadzor mobilnih robotov. V področje globokega učenja bomo vpeljali koncept kompozicionalnih globokih modelov in učne tehnike, ki presegajo klasičen nadzorovan diskriminativen pristop. Globoko učenje bomo uporabili na različnih problemskih domenah, kot so segmentacija in modeliranje oblakov 3D točk ter biometrija. Ukvarjali se bomo tudi z razvojem uporabniških vmesnikov, ki uporabljajo kamere. Programska skupina bo znaten del aktivnosti namenila preverjanju teoretičnih rezultatov na različnih realnih platformah, kot so mobilni roboti, aktivni senzorski sistemi in pametne mobilne naprave. Ob tem bo skupina izvajala aktivnosti za razširjanje znanja:

·v obliki javno dostopnih označenih slikovnih in video podatkovnih zbirk,

·z izzivi (challenges) na mednarodnih konferencah in

·s predlaganjem ustreznih evalvacijskih protokolov in metrik.

Programska skupina bo skrbela za prenos teoretičnega znanja na praktične aplikacije, tudi v sodelovanju z neposrednimi uporabniki, pri čemer bo gradila na dosedanjih tovrstnih izkušnjah (uporaba računalniškega vida pri spletni prodaji, pri ohranjanju in digitalizaciji kulturne dediščine, v umetnosti novih medijev …).

Bibliografske reference:

LUKEŽIČ, A., ČEHOVIN ZAJC, L., VOJÍŘ, T., MATAS, J., KRISTAN, M. Performance evaluation methodology for long-term single-object tracking. IEEE transactions on cybernetics. [Print ed.]. Dec. 2021, vol. 51, no. 12, pp. 6305-6318, [COBISS.SI-ID 1538564803].

BOŽIČ, J., TABERNIK, D., SKOČAJ, D. Mixed supervision for surface-defect detection : from weakly to fully supervised learning. Computers in industry, ISSN 0166-3615. [Print ed.], Aug. 2021, vol. 129, str. 1-11, [COBISS.SI-ID 63403523].

ŽUST, L., FETTICH, A., KRISTAN, M., LIČER, M. HIDRA 1.0 : deep-learning-based ensemble sea level forecasting in the northern Adriatic. Geoscientific model development. 2021, vol. 14, no. 4, str. 2057-2074, [COBISS.SI-ID 60692995].

MEDEN, B., ROT, P., TERHÖRST, P., DAMER, N., KUIJPER, A., SCHEIRER, W. J., ROSS, A. A., PEER, P., ŠTRUC, V. Privacy-enhancing face biometrics : a comprehensive survey. IEEE transactions on information forensics and security. [Print ed.]. Jul. 2021, vol. 16, str. 4147-4183, ilustr. ISSN 1556-6013. https://ieeexplore.ieee.org/document/9481149, https://repozitorij.uni-lj.si/IzpisGradiva.php?id=144727, DOI: 10.1109/TIFS.2021.3096024. [COBISS.SI-ID 74973443].

OBLAK, T., HARAKSIM, R., PEER, P., BESLAY, L. Fingermark quality assessment framework with classic and deep learning ensemble models. Knowledge-based systems. [Print ed.]. Aug. 2022, vol. 250, str. 1-16, ilustr. ISSN 0950-7051. https://www.sciencedirect.com/science/article/pii/S0950705122005718?via%3Dihub, DOI: 10.1016/j.knosys.2022.109148. [COBISS.SI-ID 110026243].

VITEK, M., BIZJAK, M., PEER, P., ŠTRUC, V. IPAD : Iterative Pruning with Activation Deviation for sclera biometrics. Journal of King Saud University - Computer and Information Sciences. (Print ed.). Sep. 2023, vol. 35, iss. 8, [article no.] 101630, str. 1-21, ilustr. ISSN 1319-1578. https://www.sciencedirect.com/science/article/pii/S1319157823001842?via%3Dihub, DOI: 10.1016/j.jksuci.2023.101630. [COBISS.SI-ID 157745667].