La identificación de acciones en secuencias de video es un tema de especial interés para aplicaciones como detección de peleas, identificación de vandalismo, detección de asaltos a transeúntes, detección de contenido no apto para menores, etc. Este interés se encuentra asociado al incremento de cámaras de videovigilancia alrededor del mundo y a la masiva producción de videos en línea cargados a las diferentes plataformas sociales de almacenamiento y distribución de contenido bajo demanda. Debido a ello, se decide utilizar un modelo de detección de acciones humanas y aplicarlo en secuencias de videovigilancia. Dicho modelo utiliza redes neuronales profundas, con la finalidad de poder realizar la tarea de clasificación. El modelo aplicado se basa en el extracción de características convolucionales y temporales utilizando una parte de la red Inception V3 para lo primero y una red LSTM para lo segundo. Finalmente, se aplica el modelo en el dataset UCF101 el cual contiene acciones humanas diversas y luego sobre el dataset VIRAT 2.0 Ground, el cual contiene secuencias de videovigilancia. / Tesis

Thesis (doctoral)--Hochschule St. Gallen für Wirtschafts-, Rechts- und Sozialwissenschaften, 1998.

Attraction models are very popular in marketing research for studying the effects of marketing instruments on market shares. However, so far the marketing literature only considers attraction models with certain functional forms that exclude threshold or saturation effects on attraction values. We can achieve greater exibility by using the neural net based approach introduced here. This approach assesses brands' attraction values by means of a perceptron with one hidden layer. The approach uses log-ratio transformed market shares as dependent variables. Stochastic gradient descent followed by a quasi Newton method estimates parameters. For store-level data, neural net models perform better and imply a price response that is qualitatively different from the well-known multinomial logit attraction model. Price elasticities of neural net attraction models also lead to specific managerial implications in terms of optimal prices. (author's abstract) / Series: Report Series SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

Würzburg, University, Diss., 2008.

Zugl.: Chemnitz, Techn. University, Diplomarbeit, 2006.

Stuttgart, Univ., Diss., 2007.

Zugl.: Hannover, Universiẗat, Diss., 2008.

Universiẗat, Diss., 1999--München.

Univ., Diplomarbeit, 1999--Frankfurt (Main).

Master-Arbeit Univ. St. Gallen, 2005.