Aprendizaje y corrección de errores en sistemas de seguimiento basados en redes convolucionales siamesas
| العنوان: | Aprendizaje y corrección de errores en sistemas de seguimiento basados en redes convolucionales siamesas |
|---|---|
| المؤلفون: | Iglesias Arias, Álvaro |
| المساهمون: | Escudero Viñolo, Marcos, Bescos Cano, Jesús, UAM. Departamento de Tecnología Electrónica y de las Comunicaciones, Escudero Viñolo, Marcos (Tutor), Bescós Cano, Jesús (Ponente) |
| المصدر: | Biblos-e Archivo. Repositorio Institucional de la UAM instname |
| سنة النشر: | 2021 |
| مصطلحات موضوعية: | Telecomunicaciones, Visión artificial, Aprendizaje profundo, Seguimiento de objetos |
| الوصف: | Este Trabajo de Fin de Máster tiene como objetivo el estudio y mejora de los sistemas de seguimiento (trackers) basados en redes neuronales siamesas frente a diferentes problemas clásicos en el seguimiento de objetos (tracking) como pueden ser las oclusiones o los distractores (presencia de objetos idénticos al que se desea seguir en la misma secuencia). Desde la explosión de los sistemas de aprendizaje profundo hace unos años y el aumento en complejidad y tamaño de las bases de datos que esto ha conllevado no hay prácticamente campo de la ingeniería que no se haya visto afectado por estos avances y, sin duda, el campo por excelencia que representa estos cambios ha sido el de la visión artificial o computer vision. Este es un campo grande con gran variedad de aplicaciones distintas, cada una con sus propios desafíos. De entre todas estas aplicaciones una de las más complejas es la del seguimiento de objetos debido a la variedad de situaciones posibles que requieren de sistemas capaces de adaptarse a cualquier situación. Para ello, en este trabajo se han propuesto dos algoritmos basados en seguimiento hacia atrás (o backtracking) e implementados en Matlab con el objetivo de paliar los problemas de los trackers frente a dos problemas concretos; las oclusiones y los distractores. Estos sistemas funcionan como módulos que se pueden añadir sobre la salida de las redes siamesas empleadas para el seguimiento en diferentes trackers y refinan sus predicciones, lo cual hace de estos sistemas especialmente versátiles ya que puede ser empleados en diferentes situaciones y trackers. También, para validar correctamente los resultados obtenidos ha sido necesario generar un dataset propio, a partir de un subconjunto de videos obtenidos de otros datasets, con todos estos problemas etiquetados, tanto a nivel de video como a nivel de frame. Finalmente se han comprobado los diferentes resultados obtenidos en cada una de estas situaciones utilizando el dataset creado y se han analizado las diferentes mejoras, así como los problemas encontrados. |
| وصف الملف: | application/pdf |
| اللغة: | Spanish; Castilian |
| الوصول الحر: | https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::33c2598646a8f5788819439c369e10e9Test https://hdl.handle.net/10486/697511Test |
| حقوق: | OPEN |
| رقم الانضمام: | edsair.dedup.wf.001..33c2598646a8f5788819439c369e10e9 |
| قاعدة البيانات: | OpenAIRE |
| الوصف غير متاح. |