<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
ATENÇÃO: O depósito de novas publicações está temporariamente suspenso.

Application-driven metrics of online action recognition

dc.contributor.advisorSilva, Eduardo Antônio Barros da
dc.contributor.advisorCo1Nunes, Leonardo de Oliveira
dc.contributor.referee1Lovisolo, Lisandro
dc.contributor.referee2Gomes, José Gabriel Rodríguez Carneiro
dc.creatorKovaleski, Patrícia de Andrade
dc.creator.Latteshttp://lattes.cnpq.br/ 8967997726896227pt_BR
dc.date.accessioned2024-07-17T19:53:35Z
dc.date.available2026-05-16T03:08:33Z
dc.date.issued2020-04
dc.description.abstractThis 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.pt_BR
dc.description.resumoEste 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.pt_BR
dc.embargo.termsabertopt_BR
dc.identifier.urihttp://hdl.handle.net/11422/23208
dc.languageengpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.initialsUFRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRede neural convolucionalpt_BR
dc.subjectVisão computacionalpt_BR
dc.subjectReconhecimento de açãopt_BR
dc.subject.cnpqEngenharia Elétricapt_BR
dc.titleApplication-driven metrics of online action recognitionpt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
942454.pdf
Tamanho:
686,23 KB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,81 KB
Formato:
Item-specific license agreed upon to submission
Descrição: