Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/23208
Type: Dissertação
Title: Application-driven metrics of online action recognition
Author(s)/Inventor(s): Kovaleski, Patrícia de Andrade
Advisor: Silva, Eduardo Antônio Barros da
Co-advisor: Nunes, Leonardo de Oliveira
Abstract: Este trabalho busca entender a lacuna existente entre pesquisa e aplicações ao avaliar a performance de alguns métodos de classificação de ações em um cenário de streaming de vídeo, essencial a diversas aplicações. E apresentada uma visão geral sobre a área de reconhecimento de ações, suas principais tarefas, métodos e métricas. A partir da situação atual da área e tendo em vista que diversas aplicações de classificação de ações necessitam ser executadas sobre um streaming de vídeo, dois questionamentos são levantados: a) Como é o desempenho dos modelos de classificação de ações em um ambiente de streaming? b) Quais são as melhores métricas para se avaliar um ambiente de streaming? Buscando respondê-los, avaliamos a performance de alguns métodos de classificação de ações em um cenário de streaming de vídeo. As principais métricas e protocolos de avaliação utilizados na literatura foram aplicados e adaptados para o caso de streaming quando necessário. Os resultados obtidos não capturaram de forma satisfatória o desempenho dos métodos, apontando a necessidade de métricas novas e mais tangíveis. Portanto, novas formas de avaliação foram estudadas e propostas. Por fim, foi oferecida uma visão geral dos desafios enfrentados atualmente na área de reconhecimento de ações e algumas sugestões para aqueles que desejem utilizá-la em soluções atuais.
Abstract: This work tries to understand the gap between research and applications by evaluating the performance of some action classification methods in a video streaming scenario, which is essential for several applications. An overview of the action recognition area, its main tasks, methods and metrics are presented. Based on the current situation of the area and considering that several action classification applications need to run over a video streaming, two questions are raised: a) How is the performance of classification models in a streaming environment? b) What are the best metrics to evaluate a streaming environment? To answer them, we evaluated the performance of some action classification methods in a video streaming scenario. The main metrics and evaluation protocols used in the literature were applied and adapted to the case of streaming when necessary. The results obtained fail to satisfactorily capture the actual performance of the methods, pointing out the necessity of new and more tangible metrics. Therefore, new forms of assessment are studied and proposed. Finally, we provide an overview of the challenges currently faced in the area of action recognition and some insight for those who wish to use its methods in current solutions.
Keywords: Rede neural convolucional
Visão computacional
Reconhecimento de ação
Subject CNPq: Engenharia Elétrica
Program: Programa de Pós-Graduação em Engenharia Elétrica
Production unit: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: Apr-2020
Publisher country: Brasil
Language: eng
Right access: Acesso Aberto
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
942454.pdf686.23 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.