ADEPT: napredna gusta predikcija

Semantička analiza slika prirodnih scena na razini piksela

Projekt ADEPT proučava gustu semantičku analizu velikih slika prirodnih scena. Nastojimo ublažiti prepreke prema uzbudljivim stvarnim primjenama poput samovoznih automobila, sigurnosne inspekcije cesta ili automatiziranih skladišta. Posebno nas interesiraju sljedeći problemi:

Istraživačke teme

Konstruiranje univerzalnih taksonomija Gusta hibridna detekcija anomalija Detekcija anomalnih regija
bevandic22bmvc grcic22eccv grcic223cvprw
[bevandic23bmvc] [grcic22eccv] [grcic23cvprw]


Učenje s preklapajućim oznakama Gusto semantičko prognoziranje Gusto povezani normalizirajući tokovi
bevandic22wacv saric21tnnls grcic21neurips
[bevandic22wacv] [saric21tnnls] [grcic21neurips]

Metodologija

Proučavamo konvolucijske modele za gustu predikciju utemeljene na gusto povezanom raspoznavanju, lakom ljestvičastom naduzorkovanju [1] te piramidnoj fuziji [2]. Prediktiramo semantičku budućnost u videu prognoziranjem značajki i njihovog gibanja [3]. Primijenjujemo višedomenski gubitak izražen negativnom log-izglednošću agregirane vjerojatnosti [4]. Pristupamo raspoznavanju nad otvorenim skupom kroz učenje sa zašumljenim i umjetnim negativnim podatcima [5].

[1] ljestvičasti DenseNet, T-ITS 2020.
[2] piramidna fuzija, CVPR 2019, PR 2021.
[3] F2MF-prognoziranje, CVPR 2020.
[4] višedomensko učenje, NLL+ gubitak, Arxiv.
[5] raspoznavanje nad otvorenim skupom, GCPR 2019.

Vremenski okvir

Početak: 1. veljače 2021.

Trajanje: 48 mjeseci

Projekt je u potpunosti financiran od strane Hrvatske zaklade za znanost