La detección de personas en los vídeos desempeña un papel importante en diversas aplicaciones de la vida real. La mayoría de los enfoques tradicionales dependen de la utilización de características elaboradas a mano que dependen del problema y son óptimas para tareas específicas. Además, son muy susceptibles a eventos dinámicos como los cambios de iluminación, las fluctuaciones de la cámara y las variaciones en el tamaño de los objetos. Por otro lado, los enfoques de aprendizaje de características propuestos son más baratos y sencillos porque las características altamente abstractas y discriminativas pueden producirse automáticamente sin necesidad de conocimientos expertos. En este trabajo, utilizamos métodos de aprendizaje automático de características que combinan el flujo óptico y tres modelos profundos diferentes (es decir, una red neural convolucional supervisada (S-CNN), un extractor de características CNN preentrenado y una máquina de aprendizaje extremo jerárquica) para la detección de personas en vídeos capturados con una cámara no estática en una plataforma aérea con altitudes variables. Los modelos se entrenan y prueban en el conjunto de datos aéreos UCF-ARG, disponible públicamente y de gran dificultad. Se analiza la comparación entre estos modelos en términos de entrenamiento, precisión de las pruebas y velocidad de aprendizaje. La evaluación del rendimiento tiene en cuenta cinco acciones humanas (cavar, saludar, lanzar, caminar y correr). Los resultados experimentales demuestran que los métodos propuestos tienen éxito en la tarea de detección humana. La CNN preentrenada produce una precisión media del 98,09%. S-CNN produce una precisión media del 95,6% con soft-max y del 91,7% con Support Vector Machines (SVM). H-ELM tiene una precisión media del 95,9%. Utilizando una unidad central de procesamiento (CPU) normal, el tiempo de entrenamiento de H-ELM tarda 445 segundos. El aprendizaje de S-CNN tarda 770 segundos con una Unidad de Procesamiento Gráfico (GPU) de alto rendimiento.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelo en línea basado en el conocimiento para la extracción de temas de Big Data
Artículo:
Nuevas tendencias en la detección de toxinas botulínicas por espectrometría de masas
Artículo:
Control de aprendizaje iterativo para sistemas conmutados con restricciones de saturación de sensores
Artículo:
Comprensión mecánica de las fugas, consecuencias y avances tecnológicos recientes en la mejora de la eficiencia del uso del nitrógeno en los cereales
Artículo:
Biofunciones de los nanomateriales magnéticos en el diagnóstico y tratamiento del cáncer
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL