Improving human action recognition using decision level fusion of classifiers trained with depth and inertial data
Derinlik ve atalet verileriyle eğitilmiş sınıflandırıcıların karar düzeyinde füzyonuyla insan hareketi tanımanın iyileştirilmesi
- Tez No: 506975
- Danışmanlar: PROF. DR. MUSTAFA ÜNEL
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Sensör teknolojilerindeki ilerlemeler insan hareketi tanıma (İHT) alanındaki araştırmalara yardımcı oldu zira veri alımı kolaylaştı ve elde edilen verinin doğruluğu daha fazla. Bununla birlikte her sensörün kendine özgü sınırları ve yararları bulunmakta ve de bu sensörlerin füzyonu tanıma sistemlerinin doğruluğunu artırmada yardımcı olabilir. Bu tezde RGB-D kamera ve ataletsel sensör verileri ile eğitilmiş bağımsız sınıflandırıcıların karar düzeyinde füzyonu kullanılarak İHT alanı derinlemesine irdelenmiştir. Gürbüz ve özneden bağımsız öznitelikler bağımsız hareket tanıma sınıflandırıcılarını (mesela sinir ağları) eğitmek için çıkarıldı. Bu çalışma Logaritmik Düşünce Havuzu (LDH) formunda olasılıksal yaklaşım kullanarak bireysel sınıflandırıcıların çıktıları üzerinde karar düzeyinde veri füzyonu uygulamıştır. Bu tez önerilen algoritmadaki parametreleri değiştirmenin son 8-katlı çapraz doğrulama üzerindeki etkisini incelemektedir. Önerilen algoritma, içinde eklemlerin farklı hareketlerine göre sınıflandırılmış eylemler bulunan UTD-Multimodal Human Action Dataset üzerinde test edilmiş ve 8-katlı çapraz doğrulama sonucunda %97.3'lük bir doğruluk oranına ulaşılmıştır.
Özet (Çeviri)
Improvement in sensor technology has aided research in the field of human action recognition (HAR), as acquiring data is easier and the obtained data is more accurate. However, each sensor has its own limitations and benefits, and a combination of these sensors can help improve the accuracy of recognition systems. This thesis presents an in depth study of HAR using decision level fusion of classifiers that are trained using RGB-D camera and inertial sensor data. Extraction of robust and subject-invariant features is performed to train independent classifiers, i.e. neural networks, for action recognition purposes. This work employs decision level fusion on the outputs of the individual classifiers using a probabilistic approach in the form of Logarithmic Opinion Pool (LOP). The effect of varying the parameters of the proposed algorithm on the final 8-fold cross-validation accuracy is analyzed. The proposed algorithm is tested on UTD-Multimodal Human Action Dataset that contains actions which are based upon the movement of different set of joints, and it achieves an average 8-fold cross-validation accuracy of 97.3%.
Benzer Tezler
- Pekiştirmeli öğrenme ile yüz görüntüsünün yüksek çözünürlükte elde edilmesi
High resolution facial image acquisition with reinforcement learning
EMRE ALTINKAYA
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Yönetsel performans değerlendirmesi ve bir örnek uygulama
Managerial performance evaluation
ESER ÇELİK
- Çok uluslu şirketler teorileri çerçevesinde doğrudan yabancı sermaye yatırımlarının incelenerek Türkiye açısından değerlendirilmesi
Başlık çevirisi yok
ÖZGÜR ÇATIKKAŞ
- Finansal yatırım piyasalarında fiyat tahminleme: Kripto para piyasasında yapay sinir ağları uygulaması
Price prediction in financial investment markets: Application of artificial neural networks in cryptocurrency market
EREN ULUCAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
PROF. DR. AYBEN KOY