Αναγνώριση ανθρώπινης δραστηριότητας με χρήση βαθέων αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων
Human activity recognition using deep recurrent neural networks on multimodal sensor data
Λέξεις-κλειδιά
Βαθιά μάθηση ; Αναδρομικά νευρωνικά δίκτυα ; Αναγνώριση προτύπων ; Όραση υπολογιστών ; Αναγνώριση ανθρώπινης δραστηριότητας ; Deep learning ; Recurrent neural networks ; Computer vision ; Pattern recognition ; Human activity recognitionΠερίληψη
Με την παρούσα διπλωματική εργασία επιχειρείται να εξεταστεί η εφαρμογή των μεθόδων βαθιάς μάθησης για την αναγνώριση ανθρώπινης δραστηριότητας με χρήση αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων. Τα σύνολα δεδομένων τα οποία χρησιμοποιούνται είναι δύο. Ειδικότερα, το πρώτο αφορά δεδομένα, τα οποία έχουν αποκτηθεί από τους αισθητήρες smartphones, ενώ το δεύτερο αφορά αλληλουχίες εικονοσειρών (βίντεο) που έχουν αποκτηθεί μέσω οπτικών μέσων (κάμερα).
Περίληψη
The purpose of this thesis, focuses to examine the application of deep learning methods for the human activity recognition with using recurrent neural networks in multimodal sensor data. The data sets that are used are two. The first one contains data, which have been collected from the sensors of smartphones, while the second one contains sequences of images (video) that have been collected through optical media (camera).
Αριθμός σελίδων
97Σχολή
Σχολή ΜηχανικώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών Πληροφορικής και ΥπολογιστώνΓλώσσα
ΕλληνικάΣυλλογή
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές