Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/99226
Títol: | Detecció d'objectes a seqüències de vídeo |
Autoria: | Bonnín Hernández, Joan |
Director: | Casas-Roma, Jordi |
Tutor: | Moyà Alcover, Gabriel |
Resum: | El projecte consisteix en la identificació, selecció i avaluació de diferents mètodes i sistemes per a la resolució de dos problemes vigents en el camp de la visió per computador: la detecció i el seguiment d'objectes. Per resoldre-ho s'han estudiat tant solucions clàssiques amb bon rendiment, com les darreres novetats basades en aprenentatge automàtic i aprenentatge profund. Per poder realitzar la comparativa de models, es realitzen una sèrie d'experiments. Aquests experiments es realitzen sobre el conjunt de dades del MOTChallenge, en concret a l'edició del 2017. Per la detecció s'estudien els models DPM, SDP, Mask-RCNN i YOLOv3, mentre que pel seguiment s'estudien CamShift, filtres de correlació i SORT. La combinació de diferents sistemes per resoldre les dues tasques de forma combinada conclou que es disposen de tècniques amb bondats suficients per a l'automatització de la tasca, tot i que les característiques de les imatges a processar afecten directament a la qualitat del resultat. Tot plegat, es defineixen els millors models per escenes generals, però queda patent la necessitat d'avaluar el context i natura de les imatges a tractar per realitzar una correcta selecció i aplicació de models de detecció i seguiment. |
Paraules clau: | visió per computador intel·ligència artificial aprenentatge automàtic detecció d'objectes seguiment d'objectes |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 9-jun-2019 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
joanbonninTFM0619memòria.pdf | Memòria del TFM | 8,67 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons