SciELO - Scientific Electronic Library Online

 
vol.8 número4El cultivo de la hoja de coca en sistemas agroforestales dinámicos en los Yungas de La PazSectores Económicos y su Distribución Geográfica en Bolivia, a partir de los Instrumentos de Regulación de Alcance Particular, Periodo 1997 - 2015 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Acta Nova

versión On-line ISSN 1683-0789

Resumen

GUARDIA VACA, Denis Leandro  y  SANDOVAL ALCOCER, Juan Pablo. Una técnica de muestreo para categorizar videos. RevActaNova. [online]. 2018, vol.8, n.4, pp. 631-650. ISSN 1683-0789.

Categorizar grandes cantidades de videos de manera automática tiene muchas aplicaciones; como por ejemplo: el monitoreo de sistemas de seguridad o la búsqueda de videos. Una de las técnicas usadas para realizar esta actividad es el aprendizaje automático, a pesar de la gran precisión del aprendizaje automático en esta tarea, el tiempo que requiere entrenar los modelos de clasificación es considerablemente grande. Este artículo describe una técnica de muestreo para reducir el tiempo que toma el entrenamiento de un clasificador de videos con el objetivo de mantener la precisión en la clasificación. La técnica consiste en utilizar aprendizaje automático para analizar solo una muestra del video y no así el video completo. Para entender el efecto del muestreo en el aprendizaje, se analizó un conjunto de videos de YouTube-8M, un conjunto de datos para clasificación de videos con más de siete millones de videos, utilizamos dos algoritmos de aprendizaje automático: regresión logística y red neuronal recurrente. Nuestros resultados muestran que, dependiendo del tamaño de la muestra, el tiempo de entrenamiento puede ser reducido considerablemente afectando levemente a la precisión.

Palabras clave : categorización de videos; sistemas de seguridad; aprendizaje automático.

        · resumen en Inglés     · texto en Español     · Español ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License