Geri Dön

Application of deep learning methods in human activity recognition

İnsan aktivitesi tanımada derin öğrenme yöntemlerinin uygulanması

PDF İndir

  1. Tez No: 774386
  2. Yazar: KEMAL BAYSARI
  3. Danışmanlar: DOÇ. DR. DERYA BİRANT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Aktivite analizi, Derin öğrenme, Makine öğrenmesi, Sensörler, Yapay zeka, Activity analysis, Deep learning, Machine learning, Sensors, Artificial intelligence
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Geleneksel sensör tabanlı insan aktivitesinin tanınması (HAR), bir zaman serisi verisi sınıflandırma problemi olarak tanımlanmıştır ve özellik çıkarımı gerektirir. Mevcut HAR sistemleri, insan tarafından anlaşılabilir bilgiler üretebilen şeffaf, yorumlanabilir ve açıklanabilir yaklaşımlardan hala yoksundur. Bu tez, hem açıklanabilirliği hem de tanıma doğruluğunu geliştirmek için HAR problemini bir görüntü sınıflandırma problemi olarak tanımlayan, Sinyal Görüntülerinde İnsan Aktivitesi Tanıma (HARSI) adlı bir yaklaşım önermektedir. Önerilen HARSI yaklaşımı, görüntü verilerinin işlenmesinde evrişimli sinir ağlarının (CNN) güçlü yönlerinden yararlanmak için akıllı sensör verilerini bazı görsel görüntülere dönüştürür. Gerçek dünya veri seti üzerinde gerçekleştirilen deneysel sonuçlar, önerilen HARSI modeli ile geleneksel makine öğrenme modellerine kıyasla önemli bir gelişme kaydedildiğini göstermiştir. Sonuçlar ayrıca, yöntemimizin sınıflandırma doğruluğu açısından son teknoloji yöntemlerden daha iyi performans gösterdiğini göstermiştir.

Özet (Çeviri)

Traditional sensor-based human activity recognition (HAR) has been defined as a time-series data classification problem and requires feature extraction. The current HAR systems still lack transparent, interpretable, and explainable approaches that can generate human-understandable information. This thesis proposes an approach, called Human Activity Recognition on Signal Images (HARSI), which defines the HAR problem as an image classification problem to improve both explainability and recognition accuracy. The proposed HARSI approach transforms the smart sensor data into some visual images to take advantage of the strengths of convolutional neural networks (CNN) in handling image data. The experimental results carried out on a real-world dataset showed that a significant improvement was achieved by the proposed HARSI model compared to the traditional machine learning models. The results also showed that our method outperformed the state-of-the-art methods in terms of classification accuracy.

Benzer Tezler

  1. Tez No

    596966

    Derin öğrenme ile günlük aktivite ve seyahat türlerini birlikte tanıma

    Activity recognition and transport mode detection using deep learning

    JEMSHIT ISKANDEROV

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AMAÇ GÜVENSAN

  2. Tez No

    610032

    Derin öğrenme ile insan edimlerinin tanınması

    Human action recognition using deep learning

    TAYYİP ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER BAŞTÜRK

  3. Tez No

    998303

    Hybrıd self-supervısed adaptatıon frameworks wıth sımulated annealıng and bayesıan optımızatıon for human actıvıty recognıtıon ın ıot

    Iot'de insan aktivitesi tanıma için simüle tavlama ve bayesyen optimizasyon ile hibrit kendi kendine denetimli adaptasyon çerçeveleri

    MOHAMMED MAJID ABDULRAZZAQ

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA

  4. Tez No

    542575

    Human activity recognition using deep learning

    Derin öğrenme ile insan aktivitesi tanıma

    MURAT YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜLYA YALÇIN

  5. Tez No

    844607

    Alt ekstremite biyomekanik sinyal analiziyle derin öğrenme tabanlı insan yürüyüşü tanıma

    Human gait recognition based on deep learning using lower limb biomechanical signal analysis

    HACER KUDUZ

    Doktora

    Türkçe

    Türkçe

    2023

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT KAÇAR

Geri Dön