Uma abordagem bottom-up completa para reconhecimento de atividades humanas em imagens através da pose estimada com redes convolucionais
dc.contributor.advisor-co1 | Vinhal, Cássio Dener Noronha | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/9791117638583664 | eng |
dc.contributor.advisor1 | Cruz Júnior, Gelson da | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4370555454162131 | eng |
dc.contributor.referee1 | Cruz Júnior, Gelson da | |
dc.contributor.referee2 | Fernandes, Deborah Silva Alves | |
dc.contributor.referee3 | Calixto, Wesley Pacheco | |
dc.contributor.referee4 | Vinhal, Cássio Dener Noronha | |
dc.creator | Soares, Igor Muniz | |
dc.creator.Lattes | http://lattes.cnpq.br/8057914280178691 | eng |
dc.date.accessioned | 2019-11-20T15:54:14Z | |
dc.date.issued | 2019-09-27 | |
dc.description.abstract | In 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.provenance | Submitted 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.provenance | Approved 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.provenance | Made 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: 2019-09-27 | eng |
dc.description.resumo | Nos 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.format | application/pdf | * |
dc.identifier.citation | SOARES, 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.uri | http://repositorio.bc.ufg.br/tede/handle/tede/10191 | |
dc.language | por | eng |
dc.publisher | Universidade Federal de Goiás | eng |
dc.publisher.country | Brasil | eng |
dc.publisher.department | Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) | eng |
dc.publisher.initials | UFG | eng |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC) | eng |
dc.rights | Acesso Aberto | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Estimação de pose | por |
dc.subject | Reconhecimento de atividades | por |
dc.subject | Detecção de pessoas | por |
dc.subject | Redes neurais convolucionais | por |
dc.subject | Multi-person pose estimation | eng |
dc.subject | Human activity recognition | eng |
dc.subject | Person detection | eng |
dc.subject | Convolutional neural networks | eng |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA ELETRICA | eng |
dc.title | Uma abordagem bottom-up completa para reconhecimento de atividades humanas em imagens através da pose estimada com redes convolucionais | eng |
dc.title.alternative | A complete bottom-up approach to recognizing human activities in images through the estimated pose with convolutional networks | eng |
dc.type | Dissertação | eng |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- Dissertação - Igor Muniz Soares - 2019.pdf
- Tamanho:
- 15.93 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.11 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: