| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava
Prva stran > Izpis gradiva

Izpis gradiva Pomoč

Naslov:Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami : diplomsko delo
Avtorji:ID Pintarič, David (Avtor)
ID Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
ID Šavc, Martin (Komentor)
Datoteke:.pdf UN_Pintaric_David_2019.pdf (3,78 MB)
MD5: 105ED7C777B9ADABCC234A1791B0438A
PID: 20.500.12556/dkum/76f27807-572f-4578-bb64-412c35abe89b
 
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 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
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[D. Pintarič]
Leto izida:2019
Št. strani:VII, 46 str.
PID:20.500.12556/DKUM-74880 Novo okno
UDK:004.8:004.93(043.2)
COBISS.SI-ID:22912790 Novo okno
NUK URN:URN:SI:UM:DK:ULUXJAAG
Datum objave v DKUM:23.11.2019
Število ogledov:1347
Število prenosov:269
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
PINTARIČ, David, 2019, Prepoznavanje aktivnosti osebe iz zaporedja slik z globokimi povratnimi nevronskimi mrežami : diplomsko delo [na spletu]. Diplomsko delo. Maribor : D. Pintarič. [Dostopano 27 marec 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=74880
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: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