Stochastic video translation
La clasificación de expresiones faciales es una tarea que ha sido estudiada durante los últimos años. Sin embargo, los métodos usados para realizar la clasificación quieren una gran cantidad de imágenes para su entrenamiento. Además, para lograr un buen desempeño, es necesario lograr una buena gener...
- Autores:
-
Castillo Aguirre, Ángela
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/43989
- Acceso en línea:
- http://hdl.handle.net/1992/43989
- Palabra clave:
- Reconocimiento facial (Informática) - Investigaciones
Aprendizaje automático (Inteligencia artificial) - Investigaciones
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIANDES2_4689f677502960638c26cf5969fe9eb7 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/43989 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Stochastic video translation |
| title |
Stochastic video translation |
| spellingShingle |
Stochastic video translation Reconocimiento facial (Informática) - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones Ingeniería |
| title_short |
Stochastic video translation |
| title_full |
Stochastic video translation |
| title_fullStr |
Stochastic video translation |
| title_full_unstemmed |
Stochastic video translation |
| title_sort |
Stochastic video translation |
| dc.creator.fl_str_mv |
Castillo Aguirre, Ángela |
| dc.contributor.advisor.none.fl_str_mv |
Arbeláez Escalante, Pablo Andrés |
| dc.contributor.author.none.fl_str_mv |
Castillo Aguirre, Ángela |
| dc.contributor.jury.none.fl_str_mv |
Valderrama Manrique, Mario Andrés Hernández Peñaloza, José Tiberio |
| dc.subject.armarc.es_CO.fl_str_mv |
Reconocimiento facial (Informática) - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones |
| topic |
Reconocimiento facial (Informática) - Investigaciones Aprendizaje automático (Inteligencia artificial) - Investigaciones Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
La clasificación de expresiones faciales es una tarea que ha sido estudiada durante los últimos años. Sin embargo, los métodos usados para realizar la clasificación quieren una gran cantidad de imágenes para su entrenamiento. Además, para lograr un buen desempeño, es necesario lograr una buena generalización. Ésto se alcanza mediante el uso de bases de datos con gran cantidad de imágenes. El aumento de datos debe ser consistente tanto espacialmente (las imágenes resultantes deben mantener la estructura de las personas como la cabeza en la parte superior de la imagen y los hombros y torso en la parte inferior) como temporalmente, para asegurar concordancia en las imágenes de las secuencias. Por un lado, los métodos de aumento aún no son lo suficientemente robustos para mejorar los métodos ya que consisten en transformaciones lineales de los datos originales y no generalizan bien los métodos. Por otro lado, la traducción de imágenes permite la generación de datos sintéticos a partir de imágenes reales. Los métodos de traducción de imágenes cambian las características de la imagen en dominio original a un dominio objetivo. Proponemos la traducción de vídeo estocástico (SVIT, por sus siglas en inglés), un método que es capaz de producir imágenes realistas en diferentes dominios. En adición, consideramos la información temporal para hacer un modelamiento que sea consistente en las dimensiones espaciales y temporales al mismo tiempo. Nuestros resultados en traducción de imágenes resultan ser más realistas comparados con los métodos del estado del arte. |
| publishDate |
2019 |
| dc.date.issued.es_CO.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T14:19:34Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T14:19:34Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/43989 |
| dc.identifier.pdf.none.fl_str_mv |
u830639.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/43989 |
| identifier_str_mv |
u830639.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
eng |
| language |
eng |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.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 |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
12 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Uniandes |
| dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería Biomédica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Biomédica |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/c0ff00cf-bdd1-4032-bb41-9041fdec5813/download https://repositorio.uniandes.edu.co/bitstreams/534af2e1-5dfa-4cca-893e-24e67be7963d/download https://repositorio.uniandes.edu.co/bitstreams/6e5ef32f-ade4-4c29-b0dd-0c738c04710d/download |
| bitstream.checksum.fl_str_mv |
e967f45b76868887f91cba23830166ca 4aa547eca59587e515b4e1f2af96b050 7b1025b10ba2ef82d6cf6f5e1903adb5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1808390189436895232 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Arbeláez Escalante, Pablo Andrés7b73426f-f63b-413f-b44b-ddfa70416b65400Castillo Aguirre, Ángela4450893d-2d2c-4953-824c-68e7e0ccda71500Valderrama Manrique, Mario AndrésHernández Peñaloza, José Tiberio2020-09-03T14:19:34Z2020-09-03T14:19:34Z2019http://hdl.handle.net/1992/43989u830639.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/La clasificación de expresiones faciales es una tarea que ha sido estudiada durante los últimos años. Sin embargo, los métodos usados para realizar la clasificación quieren una gran cantidad de imágenes para su entrenamiento. Además, para lograr un buen desempeño, es necesario lograr una buena generalización. Ésto se alcanza mediante el uso de bases de datos con gran cantidad de imágenes. El aumento de datos debe ser consistente tanto espacialmente (las imágenes resultantes deben mantener la estructura de las personas como la cabeza en la parte superior de la imagen y los hombros y torso en la parte inferior) como temporalmente, para asegurar concordancia en las imágenes de las secuencias. Por un lado, los métodos de aumento aún no son lo suficientemente robustos para mejorar los métodos ya que consisten en transformaciones lineales de los datos originales y no generalizan bien los métodos. Por otro lado, la traducción de imágenes permite la generación de datos sintéticos a partir de imágenes reales. Los métodos de traducción de imágenes cambian las características de la imagen en dominio original a un dominio objetivo. Proponemos la traducción de vídeo estocástico (SVIT, por sus siglas en inglés), un método que es capaz de producir imágenes realistas en diferentes dominios. En adición, consideramos la información temporal para hacer un modelamiento que sea consistente en las dimensiones espaciales y temporales al mismo tiempo. Nuestros resultados en traducción de imágenes resultan ser más realistas comparados con los métodos del estado del arte.The classification of facial expressions is a task that has been studied in recent years. However, the methods used for this classification require a large number of images for proper operation. These methods should be generalizable enough to have better performance. This is reached through larger and larger databases. The data augmentation should be both spatially consistent (i.e. the resulting images should maintain the structure of people such as the head at the top of the image and the shoulders and torso at the bottom of the image) as temporarily, ensuring concordance as the expression is carried out. On one hand, the methods of data augmentation still fall short since they perform linear transformations to the images without having much success in generalization. On the other hand, image translation methods offer the possibility of generating synthetic images from real images. Image translation consists on changing characteristics of an original domain to a target domain. To tackle both tasks, we propose Stochastic Video Translation (SVIT), a method capable of producing images that are realistic in different output domains. In addition, we consider temporary information to make a modeling that is consistent in spatial and temporal dimension at the same time. Our results show that the translation of images using the proposed methodology results in more real images compared to the state-of-the-art.Magíster en Ingeniería BiomédicaMaestría12 hojasapplication/pdfengUniandesMaestría en Ingeniería BiomédicaFacultad de IngenieríaDepartamento de Ingeniería Biomédicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaStochastic video translationTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMReconocimiento facial (Informática) - InvestigacionesAprendizaje automático (Inteligencia artificial) - InvestigacionesIngenieríaPublicationTHUMBNAILu830639.pdf.jpgu830639.pdf.jpgIM Thumbnailimage/jpeg8297https://repositorio.uniandes.edu.co/bitstreams/c0ff00cf-bdd1-4032-bb41-9041fdec5813/downloade967f45b76868887f91cba23830166caMD55TEXTu830639.pdf.txtu830639.pdf.txtExtracted texttext/plain48416https://repositorio.uniandes.edu.co/bitstreams/534af2e1-5dfa-4cca-893e-24e67be7963d/download4aa547eca59587e515b4e1f2af96b050MD54ORIGINALu830639.pdfapplication/pdf23984882https://repositorio.uniandes.edu.co/bitstreams/6e5ef32f-ade4-4c29-b0dd-0c738c04710d/download7b1025b10ba2ef82d6cf6f5e1903adb5MD511992/43989oai:repositorio.uniandes.edu.co:1992/439892023-10-10 15:45:25.506http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |