V članku smo naslovili problem evaluacije sledilnikov, ki sledijo eno tarčo. Razvili smo novo metodolgijo za rangiranje sledilnikov, ki naslavlja ekvivalenco performance v smislu statistične in praktične signifikantnosti. Predlagali smo tudi nov analitičen pogled na evalvacijo kot estimator skritega stanja performance. Predlagali smo trenutno najpodrobnejše anotirano podatkovno zbirko in novo metodologijo za izdelava ter anotacijo podatkovnih zbirk. Razvili smo platformno neodvisen sistem, ki omogoča preprosto integracijo sledilnikov in njihovo evaluacijo. Na predlaganem sistemu smo primerjali 38 sledilnikov ter izvedli največjo študijo preformance trenutno najboljših sledilnikov. Razvita metodologija je bila uporabljena v treh izzivih Visual object tracking challenge VOT, ki so bili izvedeni v okviru delavnic na konferencah ICCV2013, ECCV2014 in ICCV2015. Revija IEEE PAMI, kjer smo objavili metodologijo, je najprestižnejša revija na področju računalniškega vida.
COBISS.SI-ID: 1536872643
V tem prispevku smo povzeli in ovrednotili večletno delo v sodelovanju s partnerji iz tujine na področju kognitivnih sistemov katerega cilj je razviti inteligentnega robota, ki se bo v naravnem dialogu s človekom sposoben učiti predstavitev predmetov in njihovih lastnosti. Predstavili smo predstavitve in mehanizme, ki omogočajo kontinuirano učenje vizualnih konceptov v dialogu s človekom ter predstavili in ovrednotili implementirani robotski sistem. Pokazali smo kako se s procesiranjem vizualne in lingvistične informacije ustvarjajo prepričanja o svetu, ki obkroža sistem, in kako se ta prepričanja uporabljajo za načrtovanje prihodnega obnašanja sistema z namenom zadovoljitve notranjega nagona po neprestanem nadgrajevanju znanja. Sistem omogoča različne načine učenja, ki je lahko sproženo s strani človeka ali s strani sistema samega. Te principe smo demonstrirali in eksperimentalno ovrednotili na primeru sistema za učenje vizualnih lastnosti predmetov.
COBISS.SI-ID: 1536908227
Velik porast zanimanja za vizualne sledilnike je v zadnjem času rezultiral v ogromni množici osnovnih mer performance, vendar na področju še vedno ni konsenza katera mera bi bila najprimernejša za primerjavo sledilnikov. To zelo otežuje objektivno evaluacijo sledilnikov in primerjavo rezultatov preko člankov. V tem članku zato ponudimo ponoven pogled na performančne mere in jih analiziramo tako teoretično kot tudi eksperimentalno. Pokazali smo, da je množica mer močno korelirana ter da so nekatere mere bistveno bolj krhke od drugih. Na podlagi analize zožamo nabor mer na le dve šibko korelirani meri, ki opisujete natančnost in robustnost sledenja ter s tem naredimo korak v smer homogenizacije področja analize sledilnikov. Ti dve meri odlikuje robustnost, preprostost in jasna interpretacija. Meri sta postali bazični meri napredne performančne analize, ki smo jo razvili v pobudi Visual object tracking challenge (VOT) in sta tako osnova za rangiranje sledilnikov, ki postaja standard na področju vizualnega sledenja.
COBISS.SI-ID: 1536812739
Natančno napovedovanje položaja letal postaja vedno bolj pomembno za prihodnost letalskega prometa. Trenutno pomanjkanje informacij o poletih preprečuje izpolnjevanje prihodnjih zahtev o potrebni natančnosti za 4D napovedovanje trajektorij. Dokler ne dobimo potrebnih informacij iz letal in dokler nove natančne metode niso implementirane in uporabljane, predlagamo alternativno metodo za napovedovanje letalskih zmogljivosti s pomočjo strojnega učenja na historičnih podatkih o preteklih poletih, ki so zbrani v večdimenzionalni podatkovni bazi. Na ta način lahko izboljšamo obstoječe aplikacije s pomočjo boljših vhodnih podatkov za izračun trajektorij. Naša metoda uporablja načrt poleta za napovedovanje zmogljivosti, ki se bolj prilegajo individualnemu poletu. Rezultati kažejo, da na osnovi preteklih poletov in že znanih podatkih o načrtovanem poletu, lahko bolje napovedujemo kako se bo načrtovani polet obnašal v prihodnjosti.
COBISS.SI-ID: 1537269187
Kategorizacija predmetov sodi med najbolj temeljne probleme računalniškega vida, zato je bilo za reševanje tega problema opravljenih zelo veliko raziskav. To poglavje v knjigi o robotiki se najbolj posveča razpoznavanju in detekciji osnovnih kategorij predmetov, kot so avtomobili, osebe, stoli ali psi. V poglavju opravimo pregled najnovejših metod in še posebej podrobno obravnavamo najobetavnejše trenutne metode.
COBISS.SI-ID: 1537376963