Uma abordagem bottom-up completa para reconhecimento de atividades humanas em imagens através da pose estimada com redes convolucionais

Página do item simplificado
dc.contributor.advisor-co1Vinhal, Cássio Dener Noronha
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9791117638583664eng
dc.contributor.advisor1Cruz Júnior, Gelson da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4370555454162131eng
dc.contributor.referee1Cruz Júnior, Gelson da
dc.contributor.referee2Fernandes, Deborah Silva Alves
dc.contributor.referee3Calixto, Wesley Pacheco
dc.contributor.referee4Vinhal, Cássio Dener Noronha
dc.creatorSoares, Igor Muniz
dc.creator.Latteshttp://lattes.cnpq.br/8057914280178691eng
dc.date.accessioned2019-11-20T15:54:14Z
dc.date.issued2019-09-27
dc.description.abstractIn the last few years, significant improvements in the computer vision were made, making it possible to obtain important information from images. Some of the challenges for a better understanding of a scene are the detection of people and the recognition of the activities they are performing. This work propose a single end-to-end model able to detect people, estimate their pose, and recognize each one of their activities by their pose. The experiments show that the model has reached the state of the art in the tasks of person detection and pose estimation on MSCOCO Dataset 2017, and can recognize walking, running, sitting, and standing activities with an F1 score of 0.7344. The model is real-time with an inference rate of approximately 20 frames/sec.eng
dc.description.provenanceSubmitted by Franciele Moreira (francielemoreyra@gmail.com) on 2019-11-20T12:55:37Z No. of bitstreams: 2 Dissertação - Igor Muniz Soares - 2019.pdf: 16706866 bytes, checksum: cc52ef700fe0c3cbaceb8fa5758281c2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2019-11-20T15:54:14Z (GMT) No. of bitstreams: 2 Dissertação - Igor Muniz Soares - 2019.pdf: 16706866 bytes, checksum: cc52ef700fe0c3cbaceb8fa5758281c2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2019-11-20T15:54:14Z (GMT). No. of bitstreams: 2 Dissertação - Igor Muniz Soares - 2019.pdf: 16706866 bytes, checksum: cc52ef700fe0c3cbaceb8fa5758281c2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2019-09-27eng
dc.description.resumoNos últimos anos, houveram significantes melhorias no campo da visão computacional, tornando-se possı́vel obter importantes informações de imagens. Alguns dos desafios para melhor entendimento de uma cena são a detecção de pessoas e reconhecimento das atividades que eles estão executando. Este trabalho propõe um único modelo ponto-a-ponto capaz de detectar pessoas, estimar as poses destas, e reconhecer a atividade que eles estão executando através da pose. Os experimentos mostram que nosso modelo alcançou o estado da arte nas tarefas de detecção de pessoa e estimação de pose no MSCOCO dataset 2017, e é capaz de reconhecer as atividades andando, correndo, sentado e parado com um F1 score de 0.7344. O modelo é executado em tempo real com uma inferência de aproximadamente 20 frames/segundo.eng
dc.formatapplication/pdf*
dc.identifier.citationSOARES, I. M. Uma abordagem bottom-up completa para reconhecimento de atividades humanas em imagens através da pose estimada com redes convolucionais. 2019. 127 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2019.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/10191
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectEstimação de posepor
dc.subjectReconhecimento de atividadespor
dc.subjectDetecção de pessoaspor
dc.subjectRedes neurais convolucionaispor
dc.subjectMulti-person pose estimationeng
dc.subjectHuman activity recognitioneng
dc.subjectPerson detectioneng
dc.subjectConvolutional neural networkseng
dc.subject.cnpqENGENHARIAS::ENGENHARIA ELETRICAeng
dc.titleUma abordagem bottom-up completa para reconhecimento de atividades humanas em imagens através da pose estimada com redes convolucionaiseng
dc.title.alternativeA complete bottom-up approach to recognizing human activities in images through the estimated pose with convolutional networkseng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Igor Muniz Soares - 2019.pdf
Tamanho:
15.93 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)