Geração automática de mapas de dificuldade para datasets

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Custódio Júnior, Elton
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Informática
UTFPR
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Detectores
Algoritmos
Vídeo digital
Detectors
Algorithms
Digital video
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ciência da Computação
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/30197
Resumo: Difficulty maps are structures that store estimated difficulty levels for a change detection algorithm to classify each pixel in a video's frames correctly. Such maps are essential to obtain an objective measure, considering the "difficulty level" of the video. Generating a video difficulty map requires using ground truths. Creating a ground truth is considered a laborious process as it involves assigning, often manually, labels to all pixels of all video frames. In this research, a method is presented, which consists of a trained neural network capable of estimating the difficulty level of a video without using a ground truth. We expected that researchers use the results of this work to generate new videos datasets to evaluate change detection algorithms.
id UTFPR-12_3f73a9aa7fc162673d53867103c33ae7
oai_identifier_str oai:repositorio.utfpr.edu.br:1/30197
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Geração automática de mapas de dificuldade para datasetsAutomatic generation of difficulty maps for datasetsDetectoresAlgoritmosVídeo digitalDetectorsAlgorithmsDigital videoCNPQ::ENGENHARIAS::ENGENHARIA ELETRICACiência da ComputaçãoDifficulty maps are structures that store estimated difficulty levels for a change detection algorithm to classify each pixel in a video's frames correctly. Such maps are essential to obtain an objective measure, considering the "difficulty level" of the video. Generating a video difficulty map requires using ground truths. Creating a ground truth is considered a laborious process as it involves assigning, often manually, labels to all pixels of all video frames. In this research, a method is presented, which consists of a trained neural network capable of estimating the difficulty level of a video without using a ground truth. We expected that researchers use the results of this work to generate new videos datasets to evaluate change detection algorithms.Mapas de dificuldade são estruturas que armazenam os níveis de dificuldade estimados para que um algoritmo de detecção de mudança classifique corretamente cada pixel dos quadros de um vídeo. Tais mapas são utilizados como principal informação na obtenção de uma medida objetiva, considerada o "nível de dificuldade" do vídeo. A geração de um mapa de dificuldade de um vídeo requer a utilização do ground truth. Criar um ground truth é um processo considerado trabalhoso, pois consiste na atribuição, muitas vezes de forma manual, de rótulos para todos os pixels de todos os quadros do vídeo. Nesta pesquisa, apresenta-se um método, que consiste em uma rede neural treinada, capaz de, sem o auxílio do ground truth, gerar novos mapas de dificuldade. Deste modo, espera-se que os mapas de dificuldades auxiliem na criação de datasets e na avaliação de algoritmos de detecção de mudanças.Universidade Tecnológica Federal do ParanáCornelio ProcopioBrasilPrograma de Pós-Graduação em InformáticaUTFPRSanches, Silvio Ricardo Rodrigueshttp://lattes.cnpq.br/9931293076574399Bugatti, Pedro Henriquehttp://lattes.cnpq.br/2177467029991118Oliveira, Claiton dehttp://lattes.cnpq.br/8851289265109891Correa, Cleber Gimenezhttp://lattes.cnpq.br/0521761025000380Luz, Larissa Pavarini dahttp://lattes.cnpq.br/3087395778438064Bugatti, Pedro Henriquehttp://lattes.cnpq.br/2177467029991118Sanches, Silvio Ricardo Rodrigueshttp://lattes.cnpq.br/9931293076574399Custódio Júnior, Elton2022-11-29T14:38:37Z2022-11-29T14:38:37Z2022-09-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCUSTÓDIO JÚNIOR, Elton. Geração automática de mapas de dificuldade para datasets. 2022. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2022.http://repositorio.utfpr.edu.br/jspui/handle/1/30197porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2022-11-30T06:07:39Zoai:repositorio.utfpr.edu.br:1/30197Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2022-11-30T06:07:39Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Geração automática de mapas de dificuldade para datasets
Automatic generation of difficulty maps for datasets
title Geração automática de mapas de dificuldade para datasets
spellingShingle Geração automática de mapas de dificuldade para datasets
Custódio Júnior, Elton
Detectores
Algoritmos
Vídeo digital
Detectors
Algorithms
Digital video
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ciência da Computação
title_short Geração automática de mapas de dificuldade para datasets
title_full Geração automática de mapas de dificuldade para datasets
title_fullStr Geração automática de mapas de dificuldade para datasets
title_full_unstemmed Geração automática de mapas de dificuldade para datasets
title_sort Geração automática de mapas de dificuldade para datasets
author Custódio Júnior, Elton
author_facet Custódio Júnior, Elton
author_role author
dc.contributor.none.fl_str_mv Sanches, Silvio Ricardo Rodrigues
http://lattes.cnpq.br/9931293076574399
Bugatti, Pedro Henrique
http://lattes.cnpq.br/2177467029991118
Oliveira, Claiton de
http://lattes.cnpq.br/8851289265109891
Correa, Cleber Gimenez
http://lattes.cnpq.br/0521761025000380
Luz, Larissa Pavarini da
http://lattes.cnpq.br/3087395778438064
Bugatti, Pedro Henrique
http://lattes.cnpq.br/2177467029991118
Sanches, Silvio Ricardo Rodrigues
http://lattes.cnpq.br/9931293076574399
dc.contributor.author.fl_str_mv Custódio Júnior, Elton
dc.subject.por.fl_str_mv Detectores
Algoritmos
Vídeo digital
Detectors
Algorithms
Digital video
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ciência da Computação
topic Detectores
Algoritmos
Vídeo digital
Detectors
Algorithms
Digital video
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ciência da Computação
description Difficulty maps are structures that store estimated difficulty levels for a change detection algorithm to classify each pixel in a video's frames correctly. Such maps are essential to obtain an objective measure, considering the "difficulty level" of the video. Generating a video difficulty map requires using ground truths. Creating a ground truth is considered a laborious process as it involves assigning, often manually, labels to all pixels of all video frames. In this research, a method is presented, which consists of a trained neural network capable of estimating the difficulty level of a video without using a ground truth. We expected that researchers use the results of this work to generate new videos datasets to evaluate change detection algorithms.
publishDate 2022
dc.date.none.fl_str_mv 2022-11-29T14:38:37Z
2022-11-29T14:38:37Z
2022-09-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CUSTÓDIO JÚNIOR, Elton. Geração automática de mapas de dificuldade para datasets. 2022. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2022.
http://repositorio.utfpr.edu.br/jspui/handle/1/30197
identifier_str_mv CUSTÓDIO JÚNIOR, Elton. Geração automática de mapas de dificuldade para datasets. 2022. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2022.
url http://repositorio.utfpr.edu.br/jspui/handle/1/30197
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Informática
UTFPR
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Cornelio Procopio
Brasil
Programa de Pós-Graduação em Informática
UTFPR
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv riut@utfpr.edu.br || sibi@utfpr.edu.br
_version_ 1850498237205577728

Registros relacionados