Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.provenanceUniversidad Nacional de Rosario.RepHipUNR-
dc.contributorGrinblat, Guillermo-
dc.contributorGranitto, Pablo-
dc.creatorEscarrá, Martín-
dc.date2016-03-08-
dc.date2016-03-08-
dc.date.accessioned2019-07-15T18:53:52Z-
dc.date.available2019-07-15T18:53:52Z-
dc.date.issued2016-03-08-
dc.date.issued2016-03-08-
dc.identifierhttp://www.fceia.unr.edu.ar/lcc/t523/tesina.php?campo1=90-
dc.identifierhttp://hdl.handle.net/2133/6552-
dc.identifierhttp://hdl.handle.net/2133/6552-
dc.identifier.urihttp://rodna.bn.gov.ar/jspui/handle/bnmm/569384-
dc.descriptionLas arquitecturas profundas permiten representar de manera compacta funciones altamente no lineales. Entre ellas, las redes convolucionales han adquirido gran protagonismo en la clasificación de imágenes debido a la invarianza traslacional de sus features. Este trabajo propone investigar un abordaje naïve para la clasificación de videoimágenes con redes profundas, comparar la performance de redes pre-entrenadas con la de redes ad-hoc y finalmente crear un mecanismo de visualización de la representación interna de la arquitectura. Como ejemplo de aplicación se utilizarán segmentos de videos deportivos con diferentes acciones grupales.-
dc.formatapplication/pdf-
dc.languagespa-
dc.publisherFacultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario-
dc.rightsinfo:eu-repo/semantics/openAccess-
dc.sourcereponame:RepHipUNR (UNR)-
dc.sourceinstname:Universidad Nacional de Rosario-
dc.sourceinstacron:UNR-
dc.source.urihttp://hdl.handle.net/2133/6552-
dc.subjectmachine learning-
dc.subjectdeep learning-
dc.subjectredes convolucionales-
dc.subjectvideo-
dc.subjectdeportes-
dc.titleAprendizaje multiclase de videoimágenes deportivas con arquitecturas profundas-
dc.typeinfo:eu-repo/semantics/bachelorThesis-
dc.typeinfo:ar-repo/semantics/tesisDeGrado-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.typetesis de grado-
Aparece en las colecciones: Universidad Nacional de Rosario. RepHipUNR

Ficheros en este ítem:
No hay ficheros asociados a este ítem.