• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Workshop on Advanced Imaging Technology >Ensemble of Illumination Estimation Methods using Support Vector Regression
【24h】

Ensemble of Illumination Estimation Methods using Support Vector Regression

机译：使用支持向量回归的照明估计方法的集合

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Illumination estimation is a fundamental prerequisite for many computer vision applications. In this paper, we combine some previous methods for more effective estimation. SVR was used for the ensemble of previous methods. Instead of using the standard RGB image dataset, we have used hyperspectral images as the dataset, because we can freely set varieties of illuminant colors with them and can get accurate ground truth values. To render the hyperspectral image, we prepare spectral distribution with 21 different color temperatures and generate illuminant spectrums using Planck blackbody radiation equation with color temperature ranging from 2,000 [K] to 12,000 [K] at 500 [K] intervals. The number of hyperspectral images used for the training is 16. Each hyperspectral image contains 33 reflection data per each pixel. Illumination estimation methods combined in this paper are 6 methods in total, five traditional illuminant estimation methods, and one deep learning-based approach. We have compared the conventional illumination estimation methods with the proposed method, and have concluded that the proposed method can achieve higher prediction accuracy.
机译：照明估计是许多计算机视觉应用的基本先决条件。在本文中，我们结合了一些以前的方法以获得更有效的估计。 SVR用于先前方法的集合。我们代替使用标准的RGB图像数据集，我们将高光谱图像用作数据集，因为我们可以与它们自由地设置发光颜色，并可以获得准确的地面真相值。为了呈现高光谱图像，我们准备具有21种不同颜色温度的光谱分布，并使用普通黑体辐射方程产生光学剂光谱，其中色温在500μm处为2,000μp至12,000 [k]。用于训练的高光谱图像的数量是16.每个超光图像每个像素包含33个反射数据。在本文中结合的照明估计方法总共为6种方法，传统的发光估计方法和一种基于深度学习的方法。我们已经将传统的照明估计方法与所提出的方法进行了比较，并且得出结论，该方法可以实现更高的预测精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号