Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas

Mostrar todas las versiones(2)

Las arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Escarrá, Martín
Otros Autores: Grinblat, Guillermo
Formato: bachelorThesis tesis de grado publishedVersion
Lenguaje:Español
Publicado: Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario 2016
Materias:
machine learning
deep learning
redes convolucionales
video
deportes
Acceso en línea:http://www.fceia.unr.edu.ar/lcc/t523/tesina.php?campo1=90
http://hdl.handle.net/2133/6552
http://hdl.handle.net/2133/6552
Aporte de:
Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) de Universidad Nacional de Rosario
id I15-R121-2133-6552
record_format dspace
institution Universidad Nacional de Rosario
institution_str I-15
repository_str R-121
collection Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR)
language Español
orig_language_str_mv spa
topic machine learning
deep learning
redes convolucionales
video
deportes
spellingShingle machine learning
deep learning
redes convolucionales
video
deportes
Escarrá, Martín
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
topic_facet machine learning
deep learning
redes convolucionales
video
deportes
description Las arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales.
author2 Grinblat, Guillermo
author_facet Grinblat, Guillermo
Escarrá, Martín
format bachelorThesis
tesis de grado
publishedVersion
author Escarrá, Martín
author_sort Escarrá, Martín
title Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
title_short Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
title_full Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
title_fullStr Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
title_full_unstemmed Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
title_sort aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
publisher Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario
publishDate 2016
url http://www.fceia.unr.edu.ar/lcc/t523/tesina.php?campo1=90
http://hdl.handle.net/2133/6552
http://hdl.handle.net/2133/6552
work_keys_str_mv AT escarramartin aprendizajemulticlasedevideoimagenesdeportivasconarquitecturasprofundas
bdutipo_str Repositorios
_version_ 1764820413189193729

Ejemplares similares