Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas
- Autores
- Escarra, Martín; Grinblat, Guillermo L.; Granitto, Pablo Miguel
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales.
Sociedad Argentina de Informática e Investigación Operativa (SADIO) - Materia
-
Ciencias Informáticas
Video (e.g., tape, disk, DVI)
Deportes
redes convolucionales
aprendizaje profundo - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-sa/3.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/56984
Ver los metadatos del registro completo
id |
SEDICI_ffc85efe5449d095a2468f3e440048cb |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/56984 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundasEscarra, MartínGrinblat, Guillermo L.Granitto, Pablo MiguelCiencias InformáticasVideo (e.g., tape, disk, DVI)Deportesredes convolucionalesaprendizaje profundoLas arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2016-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf86-93http://sedici.unlp.edu.ar/handle/10915/56984spainfo:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/ASAI-16_0.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7585info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:06:13Zoai:sedici.unlp.edu.ar:10915/56984Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:06:13.237SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
title |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
spellingShingle |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas Escarra, Martín Ciencias Informáticas Video (e.g., tape, disk, DVI) Deportes redes convolucionales aprendizaje profundo |
title_short |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
title_full |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
title_fullStr |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
title_full_unstemmed |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
title_sort |
Aprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas |
dc.creator.none.fl_str_mv |
Escarra, Martín Grinblat, Guillermo L. Granitto, Pablo Miguel |
author |
Escarra, Martín |
author_facet |
Escarra, Martín Grinblat, Guillermo L. Granitto, Pablo Miguel |
author_role |
author |
author2 |
Grinblat, Guillermo L. Granitto, Pablo Miguel |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Video (e.g., tape, disk, DVI) Deportes redes convolucionales aprendizaje profundo |
topic |
Ciencias Informáticas Video (e.g., tape, disk, DVI) Deportes redes convolucionales aprendizaje profundo |
dc.description.none.fl_txt_mv |
Las arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales. Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
description |
Las arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-09 |
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/10915/56984 |
url |
http://sedici.unlp.edu.ar/handle/10915/56984 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://45jaiio.sadio.org.ar/sites/default/files/ASAI-16_0.pdf info:eu-repo/semantics/altIdentifier/issn/2451-7585 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-sa/3.0/ Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0) |
dc.format.none.fl_str_mv |
application/pdf 86-93 |
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_ |
1844615933057826816 |
score |
13.069144 |