Αναγνώριση ανθρώπινης δραστηριότητας με χρήση βαθέων αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων

Βαριοζίδης, Ιωάννης

Human activity recognition using deep recurrent neural networks on multimodal sensor data

Διπλωματική εργασία

Author

Βαριοζίδης, Ιωάννης

Date

2021-03-03

Advisor

Βουλόδημος, Αθανάσιος

cs141065.pdf (3.100Mb)

Keywords

Βαθιά μάθηση ; Αναδρομικά νευρωνικά δίκτυα ; Αναγνώριση προτύπων ; Όραση υπολογιστών ; Αναγνώριση ανθρώπινης δραστηριότητας ; Deep learning ; Recurrent neural networks ; Computer vision ; Pattern recognition ; Human activity recognition

Abstract

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).

Abstract

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).