Mostrar el registro sencillo del ítem

dc.contributor.authorCastro, F. M.
dc.contributor.authorMarín-Jiménez, M.J.
dc.contributor.authorGuil-Mata, Nicolas 
dc.contributor.authorLópez-Tapia, S.
dc.contributor.authorPérez de la Blanca, N.
dc.date.accessioned2017-10-06T10:32:10Z
dc.date.available2017-10-06T10:32:10Z
dc.date.created2017
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/10630/14592
dc.description.abstractThis work targets people identification in video based on the way they walk (\ie gait) by using deep learning architectures. We explore the use of convolutional neural networks (CNN) for learning high-level descriptors from low-level motion features (\ie optical flow components). The low number of training samples for each subject and the use of a test set containing subjects different from the training ones makes the search of a good CNN architecture a challenging task.es_ES
dc.description.sponsorshipUniversidad de Málaga. Campus de Excelencia Internacional Andalucía Teches_ES
dc.language.isoenges_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.subjectIdentificaciónes_ES
dc.subject.otherCNNes_ES
dc.subject.otherFlow mapses_ES
dc.subject.otherBiometricses_ES
dc.titleEvaluation of CNN architectures for gait recognition based on optical flow mapses_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.centroE.T.S.I. Informáticaes_ES
dc.relation.eventtitleBioSig 2017es_ES
dc.relation.eventplaceDarmstadt, Germanyes_ES
dc.relation.eventdate21 y 22 de septiembre de 2017es_ES
dc.identifier.orcidhttp://orcid.org/orcid.org/0000-0003-3431-6516es_ES
dc.cclicenseby-nc-ndes_ES


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem