@inproceedings {Perko2007a, title = {Learning visual context for object detection}, abstract = {Kontekst ima pomembno vlogo pri splo\v{s}nem zaznavanju prizorov, saj zagotavlja dodatno informacijo o mo\v{z}nih lokacijah objektov v slikah. Detektorji objektov, ki se uporabljajo v ra\v{c}unalni\v{s}kem vidu, tovrstne informacijo obi\v{c}ajno ne izkoristijo. V \v{c}lanku bomo zato predstavili koncept, kako se lahko kontekstualne informacije nau\v{c}imo iz primerov slik prizorov. To informacijo bomo uporabili za izra\v{c}un kontekstnega polja, ki predstavlja apriorno informacijo za detekcijo objektov glede na mo\v{z}ne lokacije. Detekcija objektov, ki temelji na lokalnem videzu, je potem selektivno uporabljena le na nekaterih delih slike. Predlagano metodo smo preizkusili na primerih detekcije pe\v{s}cev, avtomobilov, in oken, pri \v{c}emer smo uporabili zahtevne podatkovne zbirke slik urbanih okolij. Rezultati so pokazali, da kontekstualna informacija dopolnjuje lokalno informacijo na podlagi videza, ter tako zmanj\v{s}a kompleksnost iskanja in pove\v{c}a robustnost detekcije predmetov. Prednost predlagane metode je tudi v tem, da je u\v{c}enje kontekstualnih konfiguracij za razli\v{c}ne kategorije objektov neodvisno od specifi\v{c}nih modelov za posamezne naloge.}, author = {Roland Perko and Ale\v{s} Leonardis}, month = {Sep}, pages = {163-166}, year = {2007}, booktitle = {Electrotechnical and Computer Science Conference} }