Excelentní výsledky výzkumu na FEL v rámci hodnocení tzv. II. pilíře RVVI 2014

Expertní panely RVVI vybraly v II. pilíři Hodnocení výsledků výzkumných organizací RVVI 2015 276 nejlepších výsledků českého výzkumu  za období 2010-2014. Kritériem v tomto pilíři je excelence výsledku, jež se posuzuje u publikačních výsledků jejich ohlasem a u výsledků aplikačních průmyslovým dopadem. Optimálním kandidátem tedy může být např. vynález chráněný mezinárodním licencovaným patentem nebo  vysoce citovaný článek, jehož autor či autoři získali další ocenění. Některé naše výsledky mají atributy dokonce obou příkladů současně.

V tomto prestižním seznamu se objevilo z celkem 31 výsledků celého ČVUT 14 publikací či patentů autorů z FEL Sečtou-li se autorské podíly na výsledcích, dopadla FEL v rámci ČVUT s podílem téměř 60% ještě lépe, viz tabulka. Podíl FEL na nejkvalitnějších výsledcích ČVUT oproti výsledku loňského roku zůstal v podstatě nezměněn. Jak FEL tak ČVUT dosáhla lepšího výsledku s publikacemi, kde má menší podíl, tj. jsou výsledkem spoluprací s jinými výzkumnými organizacemi.

Fakulta Počty výsledků % podíl autorů Podíl na ČVUT (autor)
FSv 3 200 % 13.83 %
FS 2 61 % 4.22 %
FEL 14 863 % 59.68 %
FJFI 7 219 % 15.15 %
FD 1 1 % 0.07 %
FBMI 2 50 % 3.46 %
ÚTEF 2 52 % 3.60 %
ČVUT 31 1446 % 100.00 %

 


L Neumann, J Matas: A method for text localization and recognition in real-world images - Computer Vision–ACCV 2010, Springer LNCS

A new method for text detection in real-world image is proposed. The method has become a backbone of many text detection pipelines. As a consequence the authors were invited to present a keynote talk at a international workshop on robust reading, http://imlab.jp/iwrr2014/program.shtml. The result lead to receiving a Google Award (40 000 Eur) and a Google Fellowhip, https://cyber.felk.cvut.cz/cs/news/lukas/, an extremely selective (one fellowhip in a discipline per year) award, see http://googleresearch.blogspot.cz/2013/06/2013-google-phdfellowships-5-years-of.html, the recepients are exclusively from top-level universities (and CVUT), see http://services.google.com/fh/files/misc/2013GooglePhDFellowshipRecipients.pdf. The fellowship brought 40 000 EUR in three consequitive years. The method is highly cited, with 160 Google Scholar citations. The WOS citation count differs if obtained via "cited reference search" (66) and by the number of citations linked to the publication. The further development of the method lead to a prize winning approach (best paper at ICDAR in 2015, http://2015.icdar.org/program/awards-winners/).

Comment by Selection panel

Both theoretical and practiccal result with a clear impact on the real world. shown. Many awards received including Google Award.


Kálal,Z., Mikolajczyk,K., Matas,J.: Tracking-Learning-Detection, . IEEE Trans. Pattern Anal. Mach. Intell. 34(7): 1409-1422 (2012)

A seminal paper that introduced the long-term tracking problem and showed that solutions to the problem must include tracking, learning and detection components. The paper has been published in the #1 journal in the field. A framework based on a novel learning method called P-N learning is introduced. Extensive quantitative evaluation showed a significant improvement over state-of-the-art approaches. The core of the idea is presented in a YouTube video https://www.youtube.com/watch?v=1GhNXHCQGsM which has been seen more than 800 000 times. For the work, the PhD student Zdenek Kalal has been awarded the UK ICT Pioneers 2011 prize. The paper has been cited more than 900 times in Google Scholar and more than 280 times in the Web of Science. The result is the foundation of which Zdenek Kalal built his successful start-up, TLD Vision, http://tldvision.com/, which is based in Tabor, Czech Republic.

Comment by Selection panel

Excellent results published in a top journal with an excellent scientific response. Practical implementation and success of the company startup testify for its actuality and commercialization potential.