36,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
18 °P sammeln
  • Broschiertes Buch

Recientemente se ha propuesto la programación por demostración como una forma de que los robots aprendan tareas a partir de demostraciones humanas, en las que el reconocimiento de acciones es un paso crucial del procedimiento. Basándose en este concepto, Aksoy et al. [1] propusieron un enfoque sin modelos para la manipulación de objetos. En concreto, el enfoque clasifica las acciones observando los cambios en la interacción con los objetos a partir de la segmentación de vídeos. Sin embargo, la segmentación adolece de diversas dificultades, como el desenfoque por movimiento, la complejidad del…mehr

Produktbeschreibung
Recientemente se ha propuesto la programación por demostración como una forma de que los robots aprendan tareas a partir de demostraciones humanas, en las que el reconocimiento de acciones es un paso crucial del procedimiento. Basándose en este concepto, Aksoy et al. [1] propusieron un enfoque sin modelos para la manipulación de objetos. En concreto, el enfoque clasifica las acciones observando los cambios en la interacción con los objetos a partir de la segmentación de vídeos. Sin embargo, la segmentación adolece de diversas dificultades, como el desenfoque por movimiento, la complejidad del entorno y la segmentación excesiva o insuficiente. Por este motivo, simulamos y evaluamos el método de Aksoy et al. Además, adaptamos una representación basada en kernel al método de Aksoy et al. Los experimentos muestran que el nuevo método mejora significativamente la tasa de reconocimiento de acciones.
Autorenporträt
Guoliang Luo obtuvo su doctorado en la Universidad de Estrasburgo, Francia, en 2014. Antes de eso, obtuvo su maestría en informática en la Universidad de Uppsala, Suecia. Sus intereses de investigación actuales incluyen la visión artificial y los gráficos por ordenador, las técnicas de segmentación de vídeos y mallas animadas, y sus aplicaciones.