| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami : diplomsko delo
Avtorji:Pintarič, David (Avtor)
Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
Šavc, Martin (Komentor)
Datoteke:.pdf UN_Pintaric_David_2019.pdf (3,78 MB)
MD5: 105ED7C777B9ADABCC234A1791B0438A
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V diplomskem delu se ukvarjamo s problemom prepoznavanja aktivnosti osebe iz zaporedja slik, pri čemer prepoznavo poskušamo izboljšati z upoštevanjem časovne komponente. To dosežemo z uporabo povratnih nevronskih mrež. Omejili smo se na naslednje aktivnosti: oseba ni v ravnovesju, se pripogiba, stoji, sedi, leži, hitro hodi, počasi hodi in pada. Pregledali smo obstoječe postopke prepoznavanja, preučili povratne nevronske mreže, pripravili množico podatkov, zasnovali algoritem, izvedli eksperimente in na koncu analizirali rezultate. Rezultati na 25 označenih videoposnetkih so pri uporabi povratne nevronske mreže pokazali 83,24 % povprečno natančnost pri uporabi tipa zaporedje v vektor in 75,53 % povprečno natančnost pri uporabi tipa zaporedje v zaporedje. Kljub temu da so dobljeni rezultati boljši od tistih, kjer ne upoštevamo časovne komponente, ugotavljamo, da povratne nevronske mreže zaradi računske zahtevnosti niso vedno najboljša izbira.
Ključne besede:računalniški vid, povratna nevronska mreža, pomnilna celica LSTM, pomnilna celica GRU, globoko učenje, detekcija oseb, prepoznavanje aktivnosti osebe
Leto izida:2019
Kraj izvedbe:Maribor
Založnik:[D. Pintarič]
Št. strani:VII, 46 str.
Izvor:Maribor
UDK:004.8:004.93(043.2)
COBISS_ID:22912790 Novo okno
NUK URN:URN:SI:UM:DK:ULUXJAAG
Število ogledov:477
Število prenosov:141
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

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:11.09.2019

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Person activity recognition from image sequence using deep recurrent neural networks
Opis:The diploma thesis deals with the problem of person activity recognition from a sequence of images, while trying to improve recognition by taking into account the temporal data component. This is achieved through the use of recurrent neural networks. The focus was limited to the following activities: a person is out of balance, bending, standing, sitting, lying down, walking fast, walking slowly and falling. The existing identification methods were reviewed, the recurrent neural networks were examined, a large dataset was prepared, an algorithm was designed, experiments were conducted and finally the results were analysed. The results on the 25 labeled videos showed an 83.24% average accuracy rate when using a sequence-to-vector type recurrent neural network and a 75.53% average accuracy rate when using a sequence-to-sequence type of a recurrent neural network. Although the results obtained are better than those where the temporal data component is disregarded, it can be concluded that recurrent neural networks, due to the computational complexity, are not always the best choice.
Ključne besede:computer vision, recurrent neural network, LSTM cell, GRU cell, deep learning, human object recognition, human activity recognition, person 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