Robust and efficient models for action recognition and localization

Dan Oneata 1
1 LEAR - Learning and recognition in vision
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
Résumé : Vidéo d'interprétation et de compréhension est l'un des objectifs de recherche à long terme dans la vision par ordinateur. Vidéos réalistes tels que les films présentent une variété de problèmes difficiles d'apprentissage machine, telles que la classification d'action / récupération d'action, de suivi humaines, la classification interaction homme / objet, etc Récemment robustes descripteurs visuels pour la classification vidéo ont été développés, et ont montré qu'il est possible d'apprendre classificateurs visuels réalistes des paramètres difficile. Toutefois, afin de déployer des systèmes de reconnaissance visuelle à grande échelle dans la pratique, il devient important d'aborder l'évolutivité des techniques. L'objectif principal est cette thèse est de développer des méthodes évolutives pour l'analyse de contenu vidéo (par exemple pour le classement ou la classification).
Type de document :
Thèse
Computer Vision and Pattern Recognition [cs.CV]. Université Grenoble Alpes, 2015. English. 〈NNT : 2015GREAM019〉
Liste complète des métadonnées

Littérature citée [263 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01217362
Contributeur : Abes Star <>
Soumis le : lundi 19 octobre 2015 - 14:52:16
Dernière modification le : mardi 4 juillet 2017 - 13:07:49
Document(s) archivé(s) le : mercredi 20 janvier 2016 - 13:00:49

Fichier

ONEATA_2015_archivage.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01217362, version 1

Collections

Citation

Dan Oneata. Robust and efficient models for action recognition and localization. Computer Vision and Pattern Recognition [cs.CV]. Université Grenoble Alpes, 2015. English. 〈NNT : 2015GREAM019〉. 〈tel-01217362〉

Partager

Métriques

Consultations de
la notice

3288

Téléchargements du document

992