Reconocimiento de objetos en video utilizando SIFT paralelo

Autores
Albanesi, María Bernarda; Funes, Nadia; Chichizola, Franco; Lanzarini, Laura Cristina
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El reconocimiento de objetos en video es una tarea computacionalmente costosa y de sumo interés en distintas áreas. Existen métodos que permiten caracterizar una imagen a través de la representación vectorial de sus pixels más relevantes entre los cuales SIFT es uno de los más utilizados. Este artículo propone una implementación paralela de este método con el objetivo de realizar tracking de video. Se trata de una solución de grano grueso sobre una arquitectura multicore que permite llegar a un rendimiento cercano al óptimo al usar un esquema Bag of Task para balancear el trabajo. Se logra incrementar la cantidad de frames resueltos por segundo para el procesamiento de video en Tiempo Real.
Presentado en el VIII Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
tracking de video; descriptores SIFT; arquitectura multicore
Object recognition
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/19168
Acceder
id SEDICI_b18c5220a74b88fece53c80ea9f57de5
oai_identifier_str oai:sedici.unlp.edu.ar:10915/19168
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Reconocimiento de objetos en video utilizando SIFT paraleloAlbanesi, María BernardaFunes, NadiaChichizola, FrancoLanzarini, Laura CristinaCiencias Informáticastracking de video; descriptores SIFT; arquitectura multicoreObject recognitionEl reconocimiento de objetos en video es una tarea computacionalmente costosa y de sumo interés en distintas áreas. Existen métodos que permiten caracterizar una imagen a través de la representación vectorial de sus pixels más relevantes entre los cuales SIFT es uno de los más utilizados. Este artículo propone una implementación paralela de este método con el objetivo de realizar tracking de video. Se trata de una solución de grano grueso sobre una arquitectura multicore que permite llegar a un rendimiento cercano al óptimo al usar un esquema Bag of Task para balancear el trabajo. Se logra incrementar la cantidad de frames resueltos por segundo para el procesamiento de video en Tiempo Real.Presentado en el VIII Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)Red de Universidades con Carreras en Informática (RedUNCI)2010-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf475-482http://sedici.unlp.edu.ar/handle/10915/19168spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-9474-49-9info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:35:21Zoai:sedici.unlp.edu.ar:10915/19168Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:35:22.16SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Reconocimiento de objetos en video utilizando SIFT paralelo
title Reconocimiento de objetos en video utilizando SIFT paralelo
spellingShingle Reconocimiento de objetos en video utilizando SIFT paralelo
Albanesi, María Bernarda
Ciencias Informáticas
tracking de video; descriptores SIFT; arquitectura multicore
Object recognition
title_short Reconocimiento de objetos en video utilizando SIFT paralelo
title_full Reconocimiento de objetos en video utilizando SIFT paralelo
title_fullStr Reconocimiento de objetos en video utilizando SIFT paralelo
title_full_unstemmed Reconocimiento de objetos en video utilizando SIFT paralelo
title_sort Reconocimiento de objetos en video utilizando SIFT paralelo
dc.creator.none.fl_str_mv Albanesi, María Bernarda
Funes, Nadia
Chichizola, Franco
Lanzarini, Laura Cristina
author Albanesi, María Bernarda
author_facet Albanesi, María Bernarda
Funes, Nadia
Chichizola, Franco
Lanzarini, Laura Cristina
author_role author
author2 Funes, Nadia
Chichizola, Franco
Lanzarini, Laura Cristina
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
tracking de video; descriptores SIFT; arquitectura multicore
Object recognition
topic Ciencias Informáticas
tracking de video; descriptores SIFT; arquitectura multicore
Object recognition
dc.description.none.fl_txt_mv El reconocimiento de objetos en video es una tarea computacionalmente costosa y de sumo interés en distintas áreas. Existen métodos que permiten caracterizar una imagen a través de la representación vectorial de sus pixels más relevantes entre los cuales SIFT es uno de los más utilizados. Este artículo propone una implementación paralela de este método con el objetivo de realizar tracking de video. Se trata de una solución de grano grueso sobre una arquitectura multicore que permite llegar a un rendimiento cercano al óptimo al usar un esquema Bag of Task para balancear el trabajo. Se logra incrementar la cantidad de frames resueltos por segundo para el procesamiento de video en Tiempo Real.
Presentado en el VIII Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)
Red de Universidades con Carreras en Informática (RedUNCI)
description El reconocimiento de objetos en video es una tarea computacionalmente costosa y de sumo interés en distintas áreas. Existen métodos que permiten caracterizar una imagen a través de la representación vectorial de sus pixels más relevantes entre los cuales SIFT es uno de los más utilizados. Este artículo propone una implementación paralela de este método con el objetivo de realizar tracking de video. Se trata de una solución de grano grueso sobre una arquitectura multicore que permite llegar a un rendimiento cercano al óptimo al usar un esquema Bag of Task para balancear el trabajo. Se logra incrementar la cantidad de frames resueltos por segundo para el procesamiento de video en Tiempo Real.
publishDate 2010
dc.date.none.fl_str_mv 2010-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/19168
url http://sedici.unlp.edu.ar/handle/10915/19168
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-9474-49-9
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
475-482
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846782799469608960
score 12.982451

Publicaciones similares