Wyszukiwarka
Celem projektu jest opracowanie nowych algorytmów segmentacji obiektów wideo w obecności szumu. Segmentacja obiektów wideo jest jednym z najczęściej badanych problemów w środowisku wizji komputerowej. Podejścia te okazały się bardzo skuteczne w segmentacji wideo sztywnych obiektów, takich jak samochody, półsztywne obiekty, takie jak ludzie lub narzędzia chirurgiczne. Jednak wkład związany z segmentacją wideo obiektów o nieregularnych kształtach zmieniających się w czasie jest bardzo ograniczony. Przykłady nie są ograniczone, ale często dotyczą obiektów biomedycznych, takich jak (1) obiekty, których wygląd zmienia się w czasie, zarówno kolor, jak i kształt, np. struktury zębów podczas leczenia stomatologicznego, tj. ubytek idealnie powinien zniknąć podczas procesu; (2) obiekty, których obserwowany kształt zmienia się w czasie z powodu dużego ruchu / przemieszczenia w 3D, np. szybki ruch ogona plemnika obserwowany w mikroskopieW tym projekcie staramy się połączyć ogólną wiedzę o obiektach i ich dynamice z wiedzą wyuczoną z danych przestrzenno-czasowych w celu segmentacji obiektów o nieregularnych kształtach z danych wideo uszkodzonych przez szum / artefakty w przypadku wielu niepewnych etykiet prawdy. Wyniki: otwarte implementacje algorytmów, zbiory danych, publikacje w czołowych czasopismach i konferencjach poświęconych wizji komputerowej (140-200 pkt na liście ministerialnej).
Informacje szczegółowe
- Akronim projektu:
- LearnNoisyVideo
- Program finansujący:
- OPUS
- Instytucja:
- Narodowe Centrum Nauki (NCN) (National Science Centre)
- Porozumienie:
- UMO-2024/53/B/ST6/04273 z dnia 2025-01-29
- Okres realizacji:
- brak danych - brak danych
- Kierownik projektu:
- dr inż. Anna Jezierska
- Realizowany w:
- Katedra Inżynierii Biomedycznej
- Typ zgłoszenia:
- Krajowy Program Badawczy
- Pochodzenie:
- Projekt krajowy
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 1 razy