• Portal do Governo Brasileiro
  • Atualize sua Barra de Governo
  • Ir para o conteúdo 1
  • Ir para o menu 2
  • Ir para a busca 3
  • Ir para o rodapé 4
  • Acessibilidade
  • Alto Contraste
  • Mapa do Site
Topo
Laboratório Nacional de Computação Científica

LNCC

Ministério da Ciência, Tecnologia e Inovações
Instagram Linkedin Facebook YouTube
  • SDumont
  • Imprensa
  • SEI-MCTI
  • Webmail
  • Intranet
  • Fale Conosco
Destaques Result. Programas PCI-LNCC Resultado Final do 1º Processo Seletivo de 2021 Guia de Conduta
logo

O LNCC

  • Histórico
  • Missão
  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Documentos Institucionais
  • Localização

Coordenações

  • Coordenação de Métodos Matemáticos e Computacionais - COMAC
  • Coordenação de Modelagem Computacional - COMOD
  • Coordenação de Pós-graduação e Aperfeiçoamento - COPGA
  • Coordenação de Tecnologia da Informação e Comunicação - COTIC
  • Coordenação de Gestão e Administração - COGEA

Pesquisa e Desenvolvimento

  • Linhas de Pesquisa
  • Produção Técnico-Científica
  • Projetos de P & D
  • Grupos de Pesquisa

Supercomputador SDUMONT - Computação de Alto Desempenho

  • Supercomputador Santos Dumont
  • CENAPAD
  • SINAPAD

Programas Nacionais

  • INCT-MACC
  • LABINFO
  • SINAPAD

Inovação

  • Incubadora
  • NitRio
  • Soluções para Empresas

Programas  Acadêmicos

  • Mestrado e Doutorado
  • Programa de Verão
  • Bolsas de Estudos

Eventos

Biblioteca

  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Assessoria de Comunicação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta
  • LGPD
 

EVENTO



DEEP VIDEO SUMMARIZATION: BUILDING STRATEGIES WITH A DEEP LEARNING-BASED APPROACH TO CONSTRUCT VIDEO SUMMARIES

Tipo de evento:
Exame de Qualificação


A video summary, containing important information along the video captured may reduce the effort in a social media query, or for a surveillance or traffic analysis. Video summarization approaches generally are based in machine learning techniques, using Deep Learning in the supervised methodologies and mainly clustering in the unsupervised ones [1]. For the supervised approaches, there is a ground truth, content with labels associated with it. However, a ground truth is not always available, and an unsupervised methodology is employed to deal with this drawback [2]. An alternative solution little-used in video summarization purposes is the semi-supervised approach, where data with a ground truth and data without it, is used to yield the summaries [3].
Given this, we present in [4] a pipeline for video summarization, employing a video query with the correspondent ground truth; a semi-supervised autoencoder trained with sample for the video query and from videos without ground truth; and, clustering with k-means to select the key-frames to compose the summary. The present proposal aims to enhance this pipeline applying machine learning techniques, mainly Deep Learning ones. It includes: to produce summaries with a semantic approach [1] and also more close to the user preferences, using query with text; to employ a methodology to automatically determine the autoencoder architecture using genetic algorithms; to apply Pre-trained neural networks [5] instead of autoencoder; clustering with Deep Learning. Furthermore, the proposal also includes the design of a measure to evaluate the summaries, that will be based in the importance categories: representativeness (key-frames that represent the entire class) and diversity (key-frames that express the amount of characteristics in the video) [1]; and the adaptation of the pipeline for summarization in fluid dynamic simulation context [6].
REFERÊNCIAS:
[1] M. Basavarajaiah and P. Sharma, “Survey of compressed domain video summarization techniques,”ACM Comput. Surv., vol. 52, no. 6, Oct. 2019.
[2] L. Yuan, F. E. Tay, P. Li, L. Zhou, and J. Feng, “Cycle-sum: cycle-consistent adversarial lstmnetworks for unsupervised video summarization,” in Proceedings of the AAAI Conference on Artificial Intelligence, vol. 33, 2019, pp. 9143–9150.
[3] T.-J. Fu, S.-H. Tai, and H.-T. Chen, “Attentive and adversarial learning for video summariza-tion,” in IEEE Winter Conference on Applications of Computer Vision (WACV), 2019.
[4] E. Silva, E. M. Ramos., L. T. da Silva., J. S. Cardoso., and G. A. Giraldi., “Video summariza-tion through total variation, deep semi-supervised autoencoder and clustering algorithms,” in Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - Volume 4: VISAPP,, INSTICC.SciTePress,2020, pp. 315–322
[5] I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning. MIT Press, 2016, http://www.deeplearningbook.org.
[6] E. Ramos, L. da Silva, J. S. Cardoso, and G. Giraldi, “Deep neural network for vectorfield topology recognition with applications to fluid flow summarization,”XXXIX Ibero-LatinAmerican Congress on Computational Methods in Engineering (CILAMCE), 2018.



Para assistir essa defesa acesse :
https://us02web.zoom.us/j/85400127286?pwd=cWp6ZHNIK2RsWjViTGN1cG92SWYrdz09

Data Início: 27/08/2020
Hora: 14:00
Data Fim: 27/08/2020
Hora: 16:00

Local:  LNCC - Laboratório Nacional de Computação Ciêntifica - Webinar

Aluno:
Éden Pereira da Silva - LNCC -

Orientador:
Gilson Antônio Giraldi - Laboratório Nacional de Computação Científica - LNCC

Participante Banca Examinadora:
Evandro Ottoni Teatini Salles - - UFES
Fabio Andre Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Fernando Von Zuben - - UNICAMP
Jack Baczynski - Laboratório Nacional de Computação Científica - LNCC

Suplente Banca Examinadora:
Artur Ziviani - Laboratório Nacional de Computação Científica - LNCC


Últimas eventos

  •   Principal
  •   Hotéis/Pousadas
  •   Área do Inscrito
 
 Voltar para o topo
Rodapé

Principal

  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Produção Técnico-Científica
  • Projetos de P & D
  • Mestrado e Doutorado
  • Bolsas de Estudos
  • Seminários
  • Congressos / Escolas / Cursos
  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta

Serviços

  • Fale Conosco
  • Assessoria de Comunicação

Redes Sociais

  • Instagram
  • Linkedin
  • Facebook
  • YouTube

Navegação

  • Acessibilidade
  • Mapa do Site

Brasil - Governo Federal   Brasil - Governo Federal