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:
| Panoptička adaptacija domene | Ansamblirana detekcija anomalnih regija | Obrana od napada trovanjem podatatka |
|
|
|
| [martinovic24eccv] | [delic24bmvc] | [sabolic24bmvc] |
| Umjetni negativni podatci | Raspoznavanje sigurnosnih obilježja | Učinkovita panoptička segmentacija |
|
|
|
| [grcic24tpami] | [kacan24tits] | [saric23rs] |
| Detekcija anomalnih regija | Konstruiranje univerzalnih taksonomija | Gusta hibridna detekcija anomalija |
|
|
|
| [grcic23cvprw] | [bevandic22bmvc] | [grcic22eccv] |
| Učenje s preklapajućim oznakama | Gusto semantičko prognoziranje | Gusto povezani normalizirajući tokovi |
|
|
|
| [bevandic24ijcv] | [saric23tnnls] | [grcic21neurips] |
Polazimo od konvolucijskih modela za gustu predikciju utemeljenih 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 2020. |
| [5] raspoznavanje nad otvorenim skupom, GCPR 2019. |
Početak: 1. veljače 2021.
Trajanje: 48 mjeseci
Projekt je financiran od strane Hrvatske zaklade za znanost