JavaScript is required to use this site. Please enable JavaScript in your browser settings.

14. June 2017

Best Science Paper Award der British Machine Vision Conference 2016

Platzhalterbild
Research

Das Forschungspapier Mapping Auto-context Decision Forests to Deep ConvNets for Semantic Segmentation von David Richmond, Dagmar Kainmueller, Michael Y. Yang, Eugene W. Myers und Carsten Rother wurde mit dem renommierten Best Science Paper Award der British Machine Vision Conference (BMVC) ausgezeichnet. Die Konferenz fand 2016 in der Stadt York in England statt. Die BMVC gehört zu den internationalen Top-Konferenzen im Bereich Computer Vision. Von 365 eingereichten Arbeiten wurde eine Arbeit mit dem Best Science Paper Award bedacht. Das Forschungspapier entstand in einer Kooperation zwischen:

  • dem Gene Myers Lab des Max-Planck-Instituts für molekulare Zellbiologie und Genetik (MPI-CBG) Dresden und
  • dem Computer Vision Lab Dresden von Prof. Carsten Rother der Technischen Universität Dresden.

Die Autor:innen untersuchten den Zusammenhang zwischen den beiden bedeutendsten Techniken für das Problem der semantischen Segmentierung aus dem Bereich des maschinellen Lernens. Wie die Autor:innen zeigen, lassen sich beide Techniken auch ineinander überführen. Dies ermöglicht die Kombination der jeweiligen Vorteile. Insbesondere kann dabei die hohe Flexibilität von Neuronalen Netzen mit der hohen Effizienz von Entscheidungsbäumen verbunden werden.

Research Illustrations from "Mapping Auto-context Decision Forests to Deep ConvNets for Semantic Segmentation" which was awardes the best paper award at the British Machine Vision Conference 2016

Wir gratulieren den Autor:innen zur Veröffentlichung dieses spannenden Forschungspapiers und zur verdienten Auszeichnung mit dem Best Science Paper Award der British Machine Vision Conference. Eine Übersicht über die Publikationen unseres Zentrums finden Sie hier.

Previous Entry Back to Overview Next Entry
funded by:
Gefördert vom Bundesministerium für Bildung und Forschung.
Gefördert vom Freistaat Sachsen.