Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/17226
Tipo: | Trabalho de conclusão de graduação |
Título: | Implementação de redes neurais profundas para reconhecimento de ações em vídeo |
Título(s) alternativo(s): | Implementation of deep neural networks for video action recognition |
Autor(es)/Inventor(es): | Kovaleski, Patrícia de Andrade |
Orientador: | Silva, Eduardo Antônio Barros da |
Coorientador: | Nunes, Leonardo de Oliveira |
Resumo: | Neste trabalho é apresentada a implementação de redes convolucionais profundas para reconhecimento de ações em vídeos baseando-se na consolidada arquitetura de dois canais; composta por um canal temporal, responsável pelo processamento de fluxo óptico, e um canal espacial, que recebe imagens RGB estáticas. Para isso, um processo de treinamento foi construído utilizando um novo e promissor conjunto de ferramentas, o CNTK. Foram propostas modificações à camada de entrada da rede base por questões de compatibilidade com o formato dos dados utilizado. O desenvolvimento foi feito de modo a replicar, o mais próximo possível, os resultados reportados no artigo original. O melhor resultado obtido para esta nova implementação alcançou 89.1% de precisão média para a base de teste, enquanto o reportado pelo artigo alcança 87.0%. Portanto, o processo e as modificações realizadas foram validados; bem como o método e resultados reportados pelo trabalho original. |
Palavras-chave: | Processamento de imagens Redes neurais convolucionais Aprendizado de máquina Reconhecimento de ação |
Assunto CNPq: | CNPQ::ENGENHARIAS |
Unidade produtora: | Escola Politécnica |
Editora: | Universidade Federal do Rio de Janeiro |
Data de publicação: | Fev-2018 |
País de publicação: | Brasil |
Idioma da publicação: | por |
Tipo de acesso: | Acesso Aberto |
Aparece nas coleções: | Engenharia de Computação e Informação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
monopoli10023237.pdf | 3.32 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.