Transferencia de aprendizaje para clasificación de peatones

Desde la aparición, en el año 2005, de los Histogramas de Gradientes Orientados (HOG) como descriptor para detección de peatones, han aparecido numerosas publicaciones que permitieron mejorar la clasificación agregando mejoras o comparando con nuevos descriptores. Del mismo modo, año a año aparecen...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Camele, Genaro, Quiroga, Facundo, Ronchetti, Franco, Hasperué, Waldo, Lanzarini, Laura Cristina
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2018
Materias:	Ciencias Informáticas detección de peatones transferencia de aprendizaje SVM HOG Daimler Inria TUD-Brussels LBP
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/73034
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-73034
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas detección de peatones transferencia de aprendizaje SVM HOG Daimler Inria TUD-Brussels LBP
spellingShingle	Ciencias Informáticas detección de peatones transferencia de aprendizaje SVM HOG Daimler Inria TUD-Brussels LBP Camele, Genaro Quiroga, Facundo Ronchetti, Franco Hasperué, Waldo Lanzarini, Laura Cristina Transferencia de aprendizaje para clasificación de peatones
topic_facet	Ciencias Informáticas detección de peatones transferencia de aprendizaje SVM HOG Daimler Inria TUD-Brussels LBP
description	Desde la aparición, en el año 2005, de los Histogramas de Gradientes Orientados (HOG) como descriptor para detección de peatones, han aparecido numerosas publicaciones que permitieron mejorar la clasificación agregando mejoras o comparando con nuevos descriptores. Del mismo modo, año a año aparecen nuevas bases de datos con imágenes de entornos reales, que permiten la evaluación de los modelos desarrollados. No obstante, la utilización de un modelo entrenado en un entorno real nuevo no siempre resulta trivial y es un tema pendiente de estudio para este dominio. En este artículo, presentamos un protocolo para evaluar la transferencia de aprendizaje entre tres de las bases de datos más utilizadas en la literatura: INRIA, Daimler y TUD-Brussels. Comparamos los descriptores HOG y Patrones Binarios Locales (LBP) en conjunto con Máquinas de Vectores de Soporte (SVM) como clasificador de base. Los resultados obtenidos muestran que si bien cada conjunto de datos presenta escenas del mundo real, existen diferencias significativas que hacen que un modelo entrenado con un conjunto de imágenes no funcione apropiadamente con otro. Por otro lado, encontramos que al entrenar un modelo con la mezcla de diferentes bases de datos permite una mayor transferencia de aprendizaje, si bien no siempre ayuda al entrenamiento de un conjunto de datos particular.
format	Objeto de conferencia Objeto de conferencia
author	Camele, Genaro Quiroga, Facundo Ronchetti, Franco Hasperué, Waldo Lanzarini, Laura Cristina
author_facet	Camele, Genaro Quiroga, Facundo Ronchetti, Franco Hasperué, Waldo Lanzarini, Laura Cristina
author_sort	Camele, Genaro
title	Transferencia de aprendizaje para clasificación de peatones
title_short	Transferencia de aprendizaje para clasificación de peatones
title_full	Transferencia de aprendizaje para clasificación de peatones
title_fullStr	Transferencia de aprendizaje para clasificación de peatones
title_full_unstemmed	Transferencia de aprendizaje para clasificación de peatones
title_sort	transferencia de aprendizaje para clasificación de peatones
publishDate	2018
url	http://sedici.unlp.edu.ar/handle/10915/73034
work_keys_str_mv	AT camelegenaro transferenciadeaprendizajeparaclasificaciondepeatones AT quirogafacundo transferenciadeaprendizajeparaclasificaciondepeatones AT ronchettifranco transferenciadeaprendizajeparaclasificaciondepeatones AT hasperuewaldo transferenciadeaprendizajeparaclasificaciondepeatones AT lanzarinilauracristina transferenciadeaprendizajeparaclasificaciondepeatones
bdutipo_str	Repositorios
_version_	1764820483450077184

Transferencia de aprendizaje para clasificación de peatones

Ejemplares similares