Busca avançada
Ano de início
Entree

Investigação de características extraídas de vídeos comprimidos usando aprendizagem profunda

Processo: 19/10998-5
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de julho de 2019
Vigência (Término): 31 de dezembro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Microsoft Research
Pesquisador responsável:Jurandy Gomes de Almeida Junior
Beneficiário:Lucas Fernando Alvarenga e Silva
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Empresa:Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)
Vinculado ao auxílio:17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais, AP.PITE
Assunto(s):Aprendizagem profunda   Recuperação da informação   Multimídia   Vídeo

Resumo

Vídeos digitais tornaram-se o meio de escolha para um número cada vez maior de pessoas se comunicando via Internet e seus dispositivos móveis. Durante a última década, o mundo testemunhou um crescimento explosivo na quantidade de dados de vídeo devido aos desenvolvimentos tecnológicos surpreendentes. Nesse cenário, há uma demanda crescente por sistemas eficientes para reduzir o trabalho e a sobrecarga de informações para as pessoas. Fazer uso eficiente do conteúdo de vídeo requer o desenvolvimento de ferramentas inteligentes capazes de entender os vídeos de maneira similar aos humanos. Esse tem sido o objetivo de uma área de pesquisa em rápida evolução conhecida como compreensão de vídeo. Uma das principais questões relativas ao problema de compreensão de vídeo é a extração de informações úteis do conteúdo de vídeo. Recentemente, a aprendizagem profunda tem sido usada com sucesso para aprender características significativas e interpretáveis para entender o conteúdo visual. No entanto, a aprendizagem profunda enfrenta alguns desafios para lidar com a dimensão temporal dos dados de vídeo, como amostras limitadas de treinamento e alto custo computacional. Uma vez que os dados de vídeo são geralmente disponibilizados na forma comprimida, é desejável processar diretamente o vídeo comprimido, sem decodificação. Isso permite economizar a elevada carga computacional e uso de memória da decodificação plena do fluxo de vídeo. Este projeto de Iniciação Científica tem por objetivo a investigação de características extraídas de vídeos comprimidos usando a aprendizagem profunda.