Aprendizaje y evaluación de un dataset para predecir áreas de interés en una secuencia de vídeo

Blanco Álvarez, David (2021). Aprendizaje y evaluación de un dataset para predecir áreas de interés en una secuencia de vídeo. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Aprendizaje y evaluación de un dataset para predecir áreas de interés en una secuencia de vídeo
Author/s:
  • Blanco Álvarez, David
Contributor/s:
  • Díaz Honrubia, Antonio Jesús
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: January 2021
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB) | Preview

Abstract

Hoy en día se genera una cantidad enorme de información audiovisual. Con la creciente popularización de las redes sociales como del incremento en la calidad de las películas, videojuegos y videos en general las exigencias ante una calidad cada vez mejor son también más. Ante la mejora de calidad los archivos audiovisuales cada vez son más pesados y por ende más costos de transmitir. El proyecto aborda la problemática del coste y el peso de las transmisiones de video y diseña una solución basada en minería de datos y machine learning. La meta es reducir el número de datos necesarios para representar la imagen digital y con ello reducir el tamaño y el ancho de banda necesaria para transmitir. Sin embargo, esto conlleva un empeoramiento de la calidad por ello se plantea su uso en aquellas zonas no importantes para el espectador. Por lo tanto, las zonas de poco o nulo interés tendrán una compresión más agresiva mientras que las de interés sea más suave o se mantenga. Se pretende crear un dataset para un futuro modelo basado en minería de datos y machine learning que prediga las áreas de interés. El reconocimiento de áreas de interés se hará gracias a unas gafas desarrolladas en un TFG anterior. Las gafas siguen los movimientos del ojo y donde están apuntando. Las gafas se demonian como ‘eye-tracker’.---ABSTRACT---Today an enormous amount of audiovisual information is generated. With the growing popularization of social networks and the increase in the quality of movies, video games, and videos in general, the demands for better quality are also more. Given the quality improvement, audiovisual files are becoming heavier and therefore more costly to transmit. The project addresses the problem of the cost and weight of video transmissions and designs a solution based on data mining and machine learning. The goal is to reduce the amount of data needed to represent the digital image and thereby reduce the size and bandwidth used to transmit. However, a deterioration in quality is produced. That is why its use is considered in those areas not important for the viewer. Therefore, zones of little or no interest will have a more aggressive compression while those of interest will be softer or maintained. It is intended to create a dataset for a future model based on data mining and machine learning that predicts the areas of interest. The recognition of areas of interest will be done thanks to glasses developed in a previous TFG. The glasses follow the eye movements and where they are pointing. The glasses will be referred to as an 'eye-tracker' in this writing.

More information

Item ID: 66369
DC Identifier: https://oa.upm.es/66369/
OAI Identifier: oai:oa.upm.es:66369
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 12 Mar 2021 06:09
Last Modified: 12 Mar 2021 06:09
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM