Bilgisayarlı görü ile derin öğrenme teknikleri kullanılarak spor antremanlarının doğruluğunun tespiti
Determining the accuracy of sports training using computer vision and deep learning techniques
- Tez No: 838289
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMED FATİH KULUÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Görüntü işleme-bilgisayarlı, İnsan bilgisayar etkileşimi dersi, İnsan-bilgisayar etkileşimi, Image processing-computer assisted, Human-computer interaction course, Human-computer interaction
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme tabanlı olarak geliştirilen MediaPipe Poz Tahmin modeli ile gerçek zamanlı görüntülerden elde edilen insan poz tahmini verilerinin makine öğrenme algoritmaları kapsamında spor biyomekaniği açısından spor aktivitelerinin doğruluk oranı üzerine sistematik bir analiz yapılmıştır. Bu çalışmada, MediaPipe Poz Tahmin modelinin farklı spor aktivitelerinde vücut pozisyonuna bağlı olarak biyomekanik parametreleri ışığında nasıl tahmin ettiği incelenmiştir. Ayrıca, modelin performansını değerlendirmek için gerçek zamanlı olarak kameradan elde edilen verilerin farklı makine öğrenme algoritmaları (regresyon, sınıflandırma vb.) ile eğitime tabi tutularak karşılaştırma yapılmıştır. Ayrıca bu çalışma, bilgisayarlı görü destekli derin öğrenme tekniklerinin spor antrenmanlarında ve poz tahminindeki uygulanabilirliği konusunda öncü bir araştırmadır. Mediapipe'nin insan poz tahmini modeli ile elde edilen verilerin makine öğrenme algoritmalarıyla eğitilmesi ile sporcuların pozisyonlarını doğru bir şekilde takip etmek için kullanılabileceği bir uygulama haline getirilmiştir. Ayrıca, bu aracın sporcuların performanslarını artırmak için nasıl kullanılabileceği konusunda da yol gösterici olacaktır. Sonuç olarak, MediaPipe Poz Tahmin modelinin spor biyomekaniği için uygun ve etkili bir araç olduğu gösterilmeye çalışılmıştır.
Özet (Çeviri)
A systematic analysis was made on the accuracy of sports activities in terms of sports biomechanics within the scope of machine learning algorithms of human pose estimation data obtained from real-time images with the MediaPipe Pose Estimation model, which was developed based on deep learning. The study examined how the MediaPipe Pose Estimation model predicts biomechanical parameters in different sports activities based on body position. The performance of the model was evaluated by comparing real-time camera data with training using various machine learning algorithms such as regression and classification. In addition, this study is a pioneering research on the applicability of computer vision assisted deep learning techniques in sports training and pose estimation. By training the data obtained with the human pose estimation model of Mediapipe with machine learning algorithms, it has been turned into an application that can be used to accurately track the positions of the athletes. This thesis abstract examines the impact of data from real-time images on the accuracy of sports activities using Medipipe's human pose estimation model. It will also guide how this tool can be used to improve the performance of athletes. Efforts have been made to demonstrate the suitability and efficacy of the MediaPipe Exposure Estimation model as a valuable tool in the field of sports biomechanics.
Benzer Tezler
- Radar verilerinin yapay zeka destekli bilgisayarlı görü teknikleri ile uçakların tespit edilmesi
Detection of airplane from radar data using ai-enhanced computer vision methods
HİLAL ÖZTEMEL
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURİ BİNGÖL
- Analysis of visual design principles in art and architecture by computer vision and learning based model
Sanat ve mimaride görsel tasarım prensiplerinin bilgisayarlı görü ve öğrenme tabanlı model ile analizi
GÖZDENUR DEMİR
Doktora
İngilizce
2022
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASLI KANAN
- Derin öğrenme ile görüntülerde kararlı öznitelik eşleme tekniklerinin geliştirilmesi
Development of robust feature matching techniques in images using deep learning
MUHAMMET FATİH AYDOĞDU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH DEMİRCİ
- Fındık meyve çeşitlerinin derin öğrenme metodu kullanılarak sınıflandırılması
Classification of hazelnut fruit varieties using deep learning method
SELÇUK HARMANCI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- Derin Öğrenme Yöntemleri Kullanılarak Havadan Elde Edilen Görüntüler Üzerinde Nesne Tespiti
Object Detection on Aerial Images Using Deep Learning Methods
KEMAL TÜRKARSLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT HARDALAÇ