Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/103966
Títol: | Human body parts segmentation via stacked and multi-task learning |
Autoria: | Sánchez Abril, Daniel |
Director: | Escalera, Sergio Baró, Xavier |
Resum: | La segmentació de persones en imatges RGB ha estat un problema central en el camp de la visió per computador. En aquesta tesi abordem el problema mitjançant hand-crafted features en un pipeline de dues etapes tant per segmentació binària com múltiple segmentació de parts del cos. Eines tals com Adaboost, SVM, haar-like features, HOG i GraphCuts entre altres. A més, mirem les diferències entre cascade learning i stacked learning. Finalment, analitzem com combinar diferents tasques, de manera multimodal, per refinar i millorar les prediccions de la segmentació de parts del cos amb 2D, 3D estimació postura i profunditat. Aquesta part està feta utilitzant deep learning. |
Paraules clau: | segmentació parts del cos stacked learning multi-tasca |
Tipus de document: | info:eu-repo/semantics/doctoralThesis |
Data de publicació: | 9-oct-2019 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ |
Apareix a les col·leccions: | Tesis doctorals |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
phd_thesis_dani-1.pdf | Sánchez_Abril_dissertation | 13,22 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons