Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/123456789/1418| Τύπος: | Πρακτικά συνεδρίου |
| Τίτλος: | A computer vision approach for trajectory classification |
| Συγγραφέας: | [EL] Κοντόπουλος, Ιωάννης[EN] Kontopoulos, Ioannis [EL] Μακρής, Αντώνιος[EN] Makris, Antonios [EL] Ζήσης, Δημήτριος[EN] Zissis, Dimitrios |
| Επικεφαλής ερευνητικής ομάδας: | [EL] Τσερπές, Κωνσταντίνος[EN] Tserpes, Konstantinos |
| Ημερομηνία: | 07/07/2021 |
| Περίληψη: | Nowadays, the increasing number of moving objects tracking sensors, results in the continuous flow of high-frequency and high-volume data streams. This phenomenon can especially be observed in the maritime domain since most of the vessels worldwide are now transmitting their positions periodically. Therefore, there is a strong necessity to extract meaningful information and identify mobility patterns from such tracking data in an automated fashion, eliminating the need for experts’ input. To this end, a novel approach is presented in this paper, which fuses the research fields of computer vision and trajectory classification, in order to deliver a high-precision classification of mobility patterns. The experimental results demonstrate that the classification performance of the proposed approach can reach an f1-score of over 95%. |
| Γλώσσα: | Αγγλικά |
| Τόπος δημοσίευσης: | Toronto, Canada |
| Σελίδες: | 6 |
| DOI: | 10.1109/MDM52706.2021.00034 |
| ISBN: | 978-1-6654-2845-3 |
| Θεματική κατηγορία: | [EL] Επιστήμη ηλεκτρονικών υπολογιστών και Πληροφορική, άλλοι τομείς[EN] Computer and Information sciences, miscellaneous |
| Λέξεις-κλειδιά: | trajectory classification; computer vision; image classification; vessel monitoring; AIS |
| Κάτοχος πνευματικών δικαιωμάτων: | ©2021 IEEE |
| Όροι και προϋποθέσεις δικαιωμάτων: | Restrictions apply. |
| Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη: | https://ieeexplore.ieee.org/abstract/document/9474859 |
| Ηλεκτρονική διεύθυνση περιοδικού: | https://ieeexplore.ieee.org/xpl/conhome/9474841/proceeding |
| Τίτλος πηγής δημοσίευσης: | 2021 22nd IEEE International Conference on Mobile Data Management (MDM) Proceedings |
| Σελίδες τεκμηρίου (στην πηγή): | 163-168 |
| Όνομα εκδήλωσης: | 2021 22nd IEEE International Conference on Mobile Data Management (MDM) |
| Τοποθεσία εκδήλωσης: | Toronto, Canada |
| Ημ/νία έναρξης εκδήλωσης: | 15/06/2021 |
| Ημ/νία λήξης εκδήλωσης: | 18/06/2021 |
| Σημειώσεις: | This research is co-financed by Greece and the European Union (European Social Fund- ESF) through the Operational Programme "Human Resources Development, Education and Lifelong Learning 2014-2020" in the context of the project "A global, distributed surveillance system for early detection and analysis of anomalous vessel trajectories (GLASSEAS)" (MIS 5049026). |
| Εμφανίζεται στις συλλογές: | Ερευνητικές ομάδες |
Αρχεία σε αυτό το τεκμήριο:
| Αρχείο | Περιγραφή | Σελίδες | Μέγεθος | Μορφότυπος | Έκδοση | Άδεια | |
|---|---|---|---|---|---|---|---|
| A_computer_vision_approach_for_trajectory_classification.pdf | 1.51 MB | Adobe PDF | - |  | Δείτε/ανοίξτε |