SABADO - SmArt BrAnd DetectiOn

Detalhes bibliográficos
Autor(a) principal: Oliveira, Gonçalo Filipe Palaio
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/35697
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.
id RCAP_a9bada43af279b8cbc305d7c0028b9b4
oai_identifier_str oai:estudogeral.uc.pt:10316/35697
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling SABADO - SmArt BrAnd DetectiOnBrand detectionComputer visionMachine learningDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.The need for an automatic system that detects brands in digital content grows simultaneously with its pervasiveness and all the marketing business surrounding it. Most of the current used solutions use implicit placement of advertisements without regard for content or context, which has been shown to be an e ective way of raising brand awareness. Moreover, knowing where a brand is used (and how), could serve as support for business decisions. This work aims to explore new ways of assessing the presence of branded products or services in images using machine learning and computer vision techniques. A brand is much more than a graphic logo, it can de ned by several other subtle attributes, for example, how it is advertised and by its reputation. In this work, we tackle the problem of brand detection through the graphic logo, since it is the most tangible element of a brand. Given all the possible ways a graphic logo can appear in an image, building a highly accurate system is a challenging task. We propose a brand detection system that takes advantage of modern deep learning computer vision systems. We built several models, tuned and tested them using the FlickrLogos-32 dataset. Using the Fast Region-based Convolutional Networks (FRCNs) model our system yields a mean average precision value of 73.47%, outperforming previous methods while also having reasonably fast detection time and outputting multiple logo detections per image. From an application standpoint, many challenges still remain, but with advances recently done in computer vision and machine learning, we will come to reach a system capable to even capture subtle characteristics of a brand and help companies and brands captivate their customers and to make better decisions2015-09-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/35697http://hdl.handle.net/10316/35697TID:201537788engOliveira, Gonçalo Filipe Palaioinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-01-21T17:34:31Zoai:estudogeral.uc.pt:10316/35697Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:54:19.566705Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv SABADO - SmArt BrAnd DetectiOn
title SABADO - SmArt BrAnd DetectiOn
spellingShingle SABADO - SmArt BrAnd DetectiOn
Oliveira, Gonçalo Filipe Palaio
Brand detection
Computer vision
Machine learning
title_short SABADO - SmArt BrAnd DetectiOn
title_full SABADO - SmArt BrAnd DetectiOn
title_fullStr SABADO - SmArt BrAnd DetectiOn
title_full_unstemmed SABADO - SmArt BrAnd DetectiOn
title_sort SABADO - SmArt BrAnd DetectiOn
author Oliveira, Gonçalo Filipe Palaio
author_facet Oliveira, Gonçalo Filipe Palaio
author_role author
dc.contributor.author.fl_str_mv Oliveira, Gonçalo Filipe Palaio
dc.subject.por.fl_str_mv Brand detection
Computer vision
Machine learning
topic Brand detection
Computer vision
Machine learning
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.
publishDate 2015
dc.date.none.fl_str_mv 2015-09-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/35697
http://hdl.handle.net/10316/35697
TID:201537788
url http://hdl.handle.net/10316/35697
identifier_str_mv TID:201537788
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133830428229632

Registros relacionados