Predlagali smo nov pristop k sprotnem ocenjevanju generativnih modelov, ki temeljijo na ocenjevanju porazdelitev verjetnosti. Kot teoretični okvir smo izbrali ocenjevanje porazdelitev z jedri (angl, Kernel Density Estimation, KDE). Pristop posodablja in vzdržuje neparametrični model opaženih podatkov, iz njih pa izračunava KDE. Predlagali smo princip za sprotno ocenjevanje velikosti jeder, ter metodo za kompresijo/revitalizacijo. Rezultati kažejo, da predlagana metoda daje primerljive ali boljše rezultate kot ostale metode, ob tem pa generira modele, katerih kompleksnost je bistveno nižja.
COBISS.SI-ID: 8289876
Za razpoznavo velikega števila kategorij objektov je potrebno zgraditi taksonomijo vizualnih razredov, da bi dosegli logaritemski čas detekcije v odvisnosti od števila razredov. V tem članku predlagamo nov pristop k pospešitvi razpoznavanja veliko razredov, pri katerem uporabljamo hierarhični pristop reprezentacije objektov. Osrednja ideja je zgraditev kostelacijskih modelov, ki segajo od “grobe” do bolj “fine” resolucije in te modele uporabiti za učinkovito strategijo predledovanja kandidatov pri detekcijah. Pristop je uporabljen na modelu, ki temelji na hierarhiji delov (hierarchy-of-parts).
COBISS.SI-ID: 8255828