E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - PerLNet: Learning to localize multiple periodic activities in real-world videos

Αρχική PerLNet: Learning to localize multiple periodic activities in real-world videos

Αποτελέσματα - Λεπτομέρειες

[Προσθήκη στο καλάθι]

Κωδικός Πόρου

000424543

Τίτλος

PerLNet: Learning to localize multiple periodic activities in real-world videos

Άλλος τίτλος

PerLNet: Εντοπισμός πολλαπλών περιοδικών δραστηριοτήτων σε πραγματικά βίντεο με χρήση τεχνικών μάθησης

Συγγραφέας

Καρβούνας, Γεώργιος Δ.

Σύμβουλος διατριβής

Αργυρός, Αντώνης

Μέλος κριτικής επιτροπής

Τραχανιάς, Παναγιώτης
Ρούσσος, Αναστάσιος

Περίληψη

Αυτή η εργασία ασχολείται με το πρόβλημα του χρονικού εντοπισμού περιοδικότητας, δηλαδή με το πρόβλημα της αναγνώρισης όλων των τμημάτων ενός βίντεο που περιέχουν κάποιο είδος περιοδικής ή επαναλαμβανόμενης κίνησης. Για να γίνει αυτό, η προτεινόμενη μέθοδος βασίζεται στην επεξεργασία τον πίνακα αποστάσεων όλων των ζευγών των εικόνων του βίντεο. Αυτές οι αποστάσεις υπολογίζονται μεταξύ αναπαραστάσεων εικόνων που υπολογίζονται από ένα συνελικτικό νευρωνικό δίκτυο. Εκτός από αυτήν την παράσταση, σχεδιάζουμε, υλοποιούμε και αξιολογούμε το PerLNet, ένα δεύτερο συνελικτικό νευρωνικό δίκτυο που είναι σε θέση να κατατάσσει μια εικόνα ενός βίντεο ως προς το κατά πόσον αυτή ανήκει σε περιοδικό (ή όχι) τμήμα του βίντεο. Ένα σημαντικό χαρακτηριστικό της αναπαράστασης που προτείνεται είναι ότι επιτρέπει τον εντοπισμό περιοδικών τμημάτων ανεξάρτητα από το πλήθος τους και τη διάρκειά τους. Επιπλέον, η προτεινόμενη διαδικασία εκπαίδευσης απαιτεί σχετικά μικρό αριθμό βίντεο εκπαίδευσης. Η προτεινόμενη μέθοδος αίρει αρκετές από τις υποθέσεις των υφιστάμενων προσεγγίσεων σχετικά με το περιεχόμενο του βίντεο και τους τύπους των παρατηρούμενων περιοδικών δραστηριοτήτων. Τα ποσοτικά αποτελέσματα από την πειραματική αποτίμηση της προτεινόμενης μεθόδου επικυρώνουν τις επιλογές σχεδιασμού μας, επιβεβαιώνουν τη δυνατότητα γενίκευσης του PerLNet και επιδεικνύουν την υπεροχή του σε σύγκριση με τις βέλτιστες υφιστάμενες προσεγγίσεις στο πρόβλημα.

Φυσική περιγραφή

vi, 38 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ.

Γλώσσα

Αγγλικά

Θέμα

Computer vision

Deap learning

Periodic activities

Περιοδικές δραστηριότητες

Υπολογιστική όραση

Ημερομηνία έκδοσης

2019-03-29