OU Portal
  • Log In
  • Welcome
  • Applicants
Z6_60GI02O0O8IDC0QEJUJ26TJDI4
{}

Pomocí tohoto dialogu můžete vyhledat domácí autory, čili autory, kteří jsou vedeni v personálních systémech Ostravské univerzity.

Do našeptávače níže napište hledaný text a tento text bude vyhledán ve jméně nebo příjmení autora. Autoři, kteří budou hledanému textu odpovídat, Vám budou nabídnuti v seznamu. Pomocí myši nebo šipek na klávesnici vyberte požadovaného autora.

Našeptávač : 
Přidat autora k záznamu Zavřít

Pomocí tohoto dialogu můžete k záznamu přidat cizího autora, čili autora, který nemá žádný pracovní ani studijní vztah k Ostravské univerzitě. Takto přidaný autor bude do RIV vykázán jako nedomácí.

Pro přidání autora vepište jeho jméno a příjmení do určených položek.

Jméno :
Příjmení :
Přidat k záznamu Zavřít
Zavřít
Publikační činnost


preloading...   Probíhá načítání, čekejte prosím...
publicationId :
tempRecordId :
actionDispatchIndex :
navigationBranch :
pageMode :
tabSelected :
isRivValid :
Typ záznamu * : software (R)
Domácí pracoviště * : Ústav pro výzkum a aplikace fuzzy modelování (94410)
Název * : Poly-YOLO
Citace : Hůla, J., Molek, V., Hurtík, P., Vajgl, M. a Vlašánek, P. Poly-YOLO: higher speed, more precise detection and instance segmentation for YOLOv3. 2020.
Podnázev :
higher speed, more precise detection and instance segmentation for YOLOv3
Rok * : 2020
Obor * : Obecná matematika
Interní identifikace * : Poly-YOLO
Číselná identifikace * : -
Technické parametry * : Inovativní model neuronové sítě vytvořený na základě YOLOv3. Neuronová síť je naučená detekovat objekty v obrazových datech pomocí ohraničení polygony. Model si zachovává rychlost YOLOv3 a řeší některé z jeho principiálních problémů. Celý projekt je realizován v jazyce Python za pomocí frameworků Tensorflow a Keras.
Ekonomické parametry * : Freeware, software si po jeho zveřejnění na veřejném repositáři, zkopírovaly desítky uživatelů.
Název vlastníka * : Ostravská univerzita
IČ vlastníka * : 61988987
Stát vlastníka * : Česká republika
Možnost využití jiným subjektem * : K využití výsledku jiným subjektem je vždy nutné nabytí licence
Požadavek na licenční poplatek * : Poskytovatel licence na výsledek nepožaduje licenční poplatek
Klíčová slova anglicky * :
Object detection, Instance segmentation, YOLOv3, Bounding box, Bounding polygon, Realtime detection.
Popis v původním jazyce * :
We present a new version of YOLO with better performance and extended with instance segmentation called Poly-YOLO. Poly-YOLO builds on the original ideas of YOLOv3 and removes two of its weaknesses: a large amount of rewritten labels and inefficient distribution of anchors. Poly-YOLO reduces the issues by aggregating features from a light SE-Darknet-53 backbone with a hypercolumn technique, using stairstep upsampling, and produces a single scale output with high resolution. In comparison with YOLOv3, Poly-YOLO has only 60\% of its trainable parameters but improves mAP by a relative 40\%. We also present Poly-YOLO lite with fewer parameters and a lower output resolution. It has the same precision as YOLOv3, but it is three times smaller and twice as fast, thus suitable for embedded devices. Finally, Poly-YOLO performs instance segmentation using bounding polygons. The network is trained to detect size-independent polygons defined on a polar grid. Vertices of each polygon are being predicted with their confidence, and therefore Poly-YOLO produces polygons with a varying number of vertices. Source code is available at https://gitlab.com/irafm-ai/poly-yolo.
Popis v anglickém jazyce * :
Typ zdroje financování výsledku * :
Seznam projektů :
ID Projektu Název projektu
Seznam ohlasů : 
Ohlas
R01: RIV/61988987:17610/20:A210268M

© 2019 Centre for Information Technology

  • Technická podpora :
  • Mgr. Olga Blahutová (phone: +420 597 091 129, phone flap for UO: 1129)
  • Ing. Lucie Svitaneková (phone: +420 597 091 108, phone flap for UO: 1108)
Complementary Content
  • ${title}${badge}
${loading}