Discovering routine in egocentric images
Visualitza/Obre
144671.pdf (19,40Mb) (Accés restringit)
144671-Annex2 - generalModel_longTimeslots_allCNN_w2v_20clusters_9topics.pdf (635,1Kb) (Accés restringit)
144671-Annex5 - individualModels_shortTimeslots_allCNN_obj.pdf (2,264Mb) (Accés restringit)
144671-Annex1 - generalModel_longTimeslots_allCNN_w2v_20clusters_5topics.pdf (633,3Kb) (Accés restringit)
144671-Annex3 - generalModel_shortTimeslots_allCNN_w2v_20cluster_5topics.pdf (1,424Mb) (Accés restringit)
144671-Annex4 - individualModels_longTimeslots_allCNN_obj.pdf (1,309Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/167806
Tutor / directorRadeva, Petia
Tipus de documentProjecte Final de Màster Oficial
Data2019-07-01
Condicions d'accésAccés restringit per decisió de l'autor
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
We propose a new unsupervised approach for the discovery of routine from egocentric photostreams. The method integrates Convolutional Neural Networks for image feature extraction with Latent Dirichlet Allocation to find topics during the days. Finally, the days are clustered based on their distances.
MatèriesNeural networks (Computer science), Imaging systems, Xarxes neuronals (Informàtica), Imatgeria (Tècnica)
TitulacióMÀSTER UNIVERSITARI EN INTEL·LIGÈNCIA ARTIFICIAL (Pla 2017)
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
144671.pdf | 19,40Mb | Accés restringit | ||
144671-Annex2 - ... w2v_20clusters_9topics.pdf | 635,1Kb | Accés restringit | ||
144671-Annex5 - ... rtTimeslots_allCNN_obj.pdf | 2,264Mb | Accés restringit | ||
144671-Annex1 - ... w2v_20clusters_5topics.pdf | 633,3Kb | Accés restringit | ||
144671-Annex3 - ... _w2v_20cluster_5topics.pdf | 1,424Mb | Accés restringit | ||
144671-Annex4 - ... ngTimeslots_allCNN_obj.pdf | 1,309Mb | Accés restringit |