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 * : prezentace (kongresy, sympózia, konference, workshopy)
Domácí pracoviště * : Ústav pro výzkum a aplikace fuzzy modelování (94410)
Název * : Synthetic dataset for compositional learning
Citace : Molek, V. a HŮLA, J. Synthetic dataset for compositional learning. In: FLINS 2018. Belfast. 2018.
Podnázev :
Rok : 2018
Obor : Informatika
Místo konání : Belfast
Stát konání akce : Spojené království Velké Británie a Severního Irska
Název akce : FLINS 2018
Datum od :
Datum do :
Druh prezentace : Přednáška
Instituce :
Klíčová slova anglicky :
dataset, synthetic data, unreal engine, Compositional Learning
Popis v původním jazyce :
This contribution presents a framework for a generation of synthetic images. The framework is built on top of the Unreal Engine 4, a software kit capable of rendering realistic images. Besides image data, additional label information, such as depth, normal maps and object components masks, are generated. Hierarchical nature of generated labels corresponds to hierarchical representations which we want to be captured by the neural network. Such labels enable training of deep models in a compositional manner. This leads to the better understanding of the internal representations of the models and acceleration of the learning procedure. The framework allows users to render arbitrary scenes and objects according to their specific domain.
Popis v anglickém jazyce :
Typ zdroje financování výsledku : Specifický výzkum
Seznam projektů :
ID Projektu Název projektu
Seznam ohlasů : 
Ohlas
R01:

© 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}