| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava
Prva stran > Izpis gradiva

Izpis gradiva Pomoč

Naslov:Prepoznavanje aktivnosti osebe iz zaporedja slik s pomočjo konvolucijskih nevronskih mrež
Avtorji:ID Baketarić, Mihael (Avtor)
ID Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
ID Šavc, Martin (Komentor)
Datoteke:.pdf UN_Baketaric_Mihael_2018.pdf (1,55 MB)
MD5: FABCCE9F11C10D3B3B595A3AA206B00C
PID: 20.500.12556/dkum/20172314-2218-43e0-801e-6105c5d4deaa
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V diplomskem delu smo se ukvarjali s prepoznavanjem aktivnosti osebe iz zaporedja slik. Omejili smo se na aktivnosti: stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, pripravili množico podatkov, preučili konvolucijske nevronske mreže in jih uporabili pri reševanju našega problema. Naš algoritem je sestavljen iz dveh korakov: iz izločevanja oseb iz slik in prepoznavanja aktivnosti. Oba koraka smo implementirali z uporabo konvolucijskih nevronskih mrež in analizirali rezultate. Za učenje in testiranje smo uporabili lastno podatkovno zbirko, ki je vsebovala video posnetke 6-ih različnih oseb, ki so izvajali vseh šest aktivnosti. Na veliko slikah oseba ni bila pravilno izločena oz. detektirana, zato se je naša množica podatkov občutno zmanjšala po odstranitvi takšnih slik. Naš postopek smo preverili s 6-kratno navzkrižno validacijo. Povprečna uspešnost prepoznavanja aktivnosti je bila 36 %, kar seveda ni dovolj visoko za realne aplikacije. Ugotavljamo, da se pri rezultatih prepoznavanja aktivnosti močno pozna dejstvo, da v našem postopku nismo upoštevali časovne komponente oz. rezultatov prepoznav na predhodnih slikah.
Ključne besede:računalniški vid, konvolucijska nevronska mreža, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Kraj izida:[Maribor
Založnik:M. Baketarić
Leto izida:2018
PID:20.500.12556/DKUM-71753 Novo okno
UDK:004.93'1(043.2)
COBISS.SI-ID:21849366 Novo okno
NUK URN:URN:SI:UM:DK:XRKU4NCK
Datum objave v DKUM:19.10.2018
Število ogledov:2091
Število prenosov:269
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
BAKETARIĆ, Mihael, 2018, Prepoznavanje aktivnosti osebe iz zaporedja slik s pomočjo konvolucijskih nevronskih mrež [na spletu]. Diplomsko delo. Maribor : M. Baketarić. [Dostopano 22 marec 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=71753
Kopiraj citat
  
Skupna ocena:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:29.08.2018

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Person activity recognition from image sequence using convolutional neural networks
Opis:In this paper we were discussing the person activity recognition from an image sequence. We focused to the following activities: standing, sitting, lying down, walking fast, walking slow and falling. We reviewed the existing methods of recognition and prepared a dataset. We examined convolutional neural networks and used them to solve our problem. Our algorithm consists of two steps, the extracting the person from images and the activity recognition. Both steps were implemented by using convolutional neural networks and we analysed the results. For learning and testing, we used our own dataset with the digital videos of six different persons doing all the six activities. In many images the person was not correctly extracted, which is the reason for the significant reduction of our dataset. Our method was tested with the 6-fold cross-validation. The average accuracy of the activity recognition was 36%, which is, of course, not enough for real applications. Within the person activity recognition results, it is clear that in our procedure we did not consider the temporal dimension or the recognition results on the previous images, respectively.
Ključne besede:convolutional neural network, deep learning, human object detection, person activity recognition, human activity recognition


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici