Detección de actividades en video

El propósito de este trabajo es determinar si la ventaja de las características aprendidas mediante Deep Learning sobre las elaboradas a mano, que se evidencia en el estado de la técnica, todavía se mantiene para las acciones que se llevan a cabo en un entorno similar. La comparación se realiza util...

Full description

Autores:
Millán Arias, Pablo Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2018
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/38790
Acceso en línea:
http://hdl.handle.net/10554/38790
Palabra clave:
Clasificación de actividades
Método clásico
Aprendizaje profundo
Activity classification
Hand-crafted features
Deep-learned features
Ingeniería electrónica - Tesis y disertaciones académicas
Algoritmos
Aprendizaje perceptivo
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id JAVERIANA2_31c3e5dd6f0888f5855cc73a13239930
oai_identifier_str oai:repository.javeriana.edu.co:10554/38790
network_acronym_str JAVERIANA2
network_name_str Repositorio Universidad Javeriana
repository_id_str
dc.title.spa.fl_str_mv Detección de actividades en video
title Detección de actividades en video
spellingShingle Detección de actividades en video
Clasificación de actividades
Método clásico
Aprendizaje profundo
Activity classification
Hand-crafted features
Deep-learned features
Ingeniería electrónica - Tesis y disertaciones académicas
Algoritmos
Aprendizaje perceptivo
title_short Detección de actividades en video
title_full Detección de actividades en video
title_fullStr Detección de actividades en video
title_full_unstemmed Detección de actividades en video
title_sort Detección de actividades en video
dc.creator.fl_str_mv Millán Arias, Pablo Andrés
dc.contributor.advisor.none.fl_str_mv Quiroga Sepúlveda, Pablo Andrés
dc.contributor.author.none.fl_str_mv Millán Arias, Pablo Andrés
dc.subject.spa.fl_str_mv Clasificación de actividades
Método clásico
Aprendizaje profundo
topic Clasificación de actividades
Método clásico
Aprendizaje profundo
Activity classification
Hand-crafted features
Deep-learned features
Ingeniería electrónica - Tesis y disertaciones académicas
Algoritmos
Aprendizaje perceptivo
dc.subject.keyword.spa.fl_str_mv Activity classification
Hand-crafted features
Deep-learned features
dc.subject.armarc.spa.fl_str_mv Ingeniería electrónica - Tesis y disertaciones académicas
Algoritmos
Aprendizaje perceptivo
description El propósito de este trabajo es determinar si la ventaja de las características aprendidas mediante Deep Learning sobre las elaboradas a mano, que se evidencia en el estado de la técnica, todavía se mantiene para las acciones que se llevan a cabo en un entorno similar. La comparación se realiza utilizando un conjunto de datos creado específicamente para el estudio, en el que las acciones que se llevan a cabo son muy similares y con un entorno común y ruidoso. El estudio muestra que para una base de datos con un número limitado de videos y un entorno común, es mejor considerar las características hechas a mano que una arquitectura CNN superficial como extractor de funciones.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-11-21T19:24:33Z
2020-04-16T16:36:48Z
dc.date.available.none.fl_str_mv 2018-11-21T19:24:33Z
2020-04-16T16:36:48Z
dc.date.created.none.fl_str_mv 2018
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10554/38790
dc.identifier.instname.spa.fl_str_mv instname:Pontificia Universidad Javeriana
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.javeriana.edu.co
url http://hdl.handle.net/10554/38790
identifier_str_mv instname:Pontificia Universidad Javeriana
reponame:Repositorio Institucional - Pontificia Universidad Javeriana
repourl:https://repository.javeriana.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.licence.*.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.spa.fl_str_mv PDF
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Pontificia Universidad Javeriana
dc.publisher.program.spa.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
institution Pontificia Universidad Javeriana
bitstream.url.fl_str_mv http://repository.javeriana.edu.co/bitstream/10554/38790/1/license.txt
http://repository.javeriana.edu.co/bitstream/10554/38790/2/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias.pdf
http://repository.javeriana.edu.co/bitstream/10554/38790/3/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias_Cartas.pdf
http://repository.javeriana.edu.co/bitstream/10554/38790/4/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias.pdf.jpg
http://repository.javeriana.edu.co/bitstream/10554/38790/5/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias_Cartas.pdf.jpg
bitstream.checksum.fl_str_mv 2070d280cc89439d983d9eee1b17df53
d9d0c226d6c41a9cfc761660426b8f16
693e014f60c713906ce15aa588d8d51b
7bfae95d2dee9990aebfc0fbf2910830
c5e5b1dcf9ddd21a53e5f1b96f560800
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional - Pontificia Universidad Javeriana
repository.mail.fl_str_mv repositorio@javeriana.edu.co
_version_ 1814337718098853888
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.http://purl.org/coar/access_right/c_abf2Quiroga Sepúlveda, Pablo AndrésMillán Arias, Pablo Andrés2018-11-21T19:24:33Z2020-04-16T16:36:48Z2018-11-21T19:24:33Z2020-04-16T16:36:48Z2018http://hdl.handle.net/10554/38790instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.coEl propósito de este trabajo es determinar si la ventaja de las características aprendidas mediante Deep Learning sobre las elaboradas a mano, que se evidencia en el estado de la técnica, todavía se mantiene para las acciones que se llevan a cabo en un entorno similar. La comparación se realiza utilizando un conjunto de datos creado específicamente para el estudio, en el que las acciones que se llevan a cabo son muy similares y con un entorno común y ruidoso. El estudio muestra que para una base de datos con un número limitado de videos y un entorno común, es mejor considerar las características hechas a mano que una arquitectura CNN superficial como extractor de funciones.The purpose of this study is to determine if the advantage of the deep learned features over the hand-crafted ones, that is evidenced in the state of the art, is still maintained for actions that are carried out in a similar environment. The comparison is performed using a dataset created specifically for the study, in which the actions that are carried out are very similar and with a common and noisy environment. The study shows that for a database with a limited number of videos and common environment it is better to consider the hand-crafted features than a shallow CNN architecture as feature extractor.Ingeniero (a) ElectrónicoPregradoPDFapplication/pdfspaPontificia Universidad JaverianaIngeniería ElectrónicaFacultad de IngenieríaClasificación de actividadesMétodo clásicoAprendizaje profundoActivity classificationHand-crafted featuresDeep-learned featuresIngeniería electrónica - Tesis y disertaciones académicasAlgoritmosAprendizaje perceptivoDetección de actividades en videoTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisLICENSElicense.txttext/plain2603http://repository.javeriana.edu.co/bitstream/10554/38790/1/license.txt2070d280cc89439d983d9eee1b17df53MD51open accessORIGINALPablo Andrés Millán Arias.pdfDocumentoapplication/pdf15394231http://repository.javeriana.edu.co/bitstream/10554/38790/2/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias.pdfd9d0c226d6c41a9cfc761660426b8f16MD52metadata only accessPablo Andrés Millán Arias_Cartas.pdfCartasapplication/pdf1249014http://repository.javeriana.edu.co/bitstream/10554/38790/3/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias_Cartas.pdf693e014f60c713906ce15aa588d8d51bMD53metadata only accessTHUMBNAILPablo Andrés Millán Arias.pdf.jpgIM Thumbnailimage/jpeg1938http://repository.javeriana.edu.co/bitstream/10554/38790/4/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias.pdf.jpg7bfae95d2dee9990aebfc0fbf2910830MD54open accessPablo Andrés Millán Arias_Cartas.pdf.jpgIM Thumbnailimage/jpeg6241http://repository.javeriana.edu.co/bitstream/10554/38790/5/Pablo%20Andr%c3%a9s%20Mill%c3%a1n%20Arias_Cartas.pdf.jpgc5e5b1dcf9ddd21a53e5f1b96f560800MD55open access10554/38790oai:repository.javeriana.edu.co:10554/387902022-05-03 08:51:12.345Repositorio Institucional - Pontificia Universidad Javerianarepositorio@javeriana.edu.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