Busca avançada
Ano de início
Entree

Reconhecimento de eventos em vídeos utilizando deep learning

Processo: 16/10703-7
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 01 de outubro de 2016
Vigência (Término): 30 de setembro de 2017
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Agma Juci Machado Traina
Beneficiário:Letrícia Pereira Soares Avalhais
Supervisor no Exterior: Larry Davis
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Local de pesquisa : University of Maryland, College Park, Estados Unidos  
Vinculado à bolsa:13/27101-1 - Uma abordagem para segmentação semântica explorando a multimodalidade e temporalidade de características de vídeos digitais, BP.DR
Assunto(s):Visão computacional   Sistemas multimídia   Aprendizado computacional

Resumo

A enorme quantidade de vídeos disponibilizada on-line todos os dias tem criado uma demanda por ferramentas inteligentes para apoiar necessidades básicas de sistemas multimídia, como indexação, recuperação e rotulação automática. Estratégias robustas de reconhecimento de eventos podem auxiliar diretamente tais necessidades. Uma abordagem comum para esta tarefa é extrair características de baixo nível dos vídeos e usar técnicas clássicas de aprendizado de máquina para modelar padrões encontrados nos dados. Outras abordagens utilizam características multimodais combinadas em uma única representação. Extrair características de alto nível obtidas por técnicas de deep learning é uma tendência recente neste problema, de onde vem sendo reportados resultados promissores. Neste projeto, propõe-se desenvolver técnicas para integrar informações extraídas de baixo nível com características de alto nível aprendidas automaticamente em uma representação multimodal visando melhorar a efetividade de tarefas de reconhecimento evento. O projeto de estágio será realizado na Universidade de Maryland, EUA, sob a supervisão do Professor Larry Davis. (AU)