Modified recurrent convolutional neural networks for action recognition
Modifiye özyinelemeli konvolüsyonel sinir ağları ile hareket tanıma
- Tez No: 572207
- Danışmanlar: DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Bu çalışmada hareket tanıma için iki yeni sinir ağı önerilmiştir. İlk yöntem modifiye özyinelemeli konvolüsyonel sinir ağı, ikinci yöntemse öznitelik birleştirmeli sinir ağı olarak isimlendirilmiştir. Bu yöntemlerin önerilme sebebi aynı videodaki çerçeveler arasında öznitelik paylaşımını sağlamak için yeni teknikler geliştirmektir. Bu yöntemler farklı veri setleri üzerinde uygulanmıştır. Bu veri setleri UCF101, HMDB51 ve Hollywood2'dir. Sonuçlara göre modifiye özyinelemeli konvolüsyonel sinir ağları daha iyi öznitelik öğrenmek için iyi bir alternatiftir. Modifiye özyinelemeli konvolüsyonel sinir ağları birçok durumda standart konvolüsyonel sinir ağlarından yüzde birkaç puan kadar daha iyi sonuç vermektedir. Ayrıca, derin öğrenmeye dayalı hareket tanıma tekniklerinin en önemlilerinin bir incelemesi sağlanmıştır.
Özet (Çeviri)
In this study, two new neural networks are proposed for action recognition. The first method is named as modified recurrent CNN and the second method is named as feature concatenating CNN. The main aim for proposing these networks is developing new techniques for sharing features between different frames of the videos. These methods have been applied on different datasets. Those datasets are UCF101, Hollywood2 and HMDB51. Based on the results, modified recurrent CNN is a good alternative for facilitating better feature learning. In most of the cases, accuracies provided by the modified recurrent neural networks are a few percent larger than accuracies provided by the standard convolutional neural networks. Additionally, a detailed review of the most important action recognition methods that are based on deep learning has been provided.
Benzer Tezler
- Makine öğrenmesi yöntemleriyle akan görüntülerden otomatik aktivite sınıflandırma
Automatic activity classification from time-sequenced images using machine learning methods
ELİT CENK ALP
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HACER YALIM KELEŞ
- Design of robust speaker idintification with built-in noise immunity
Gürültü ayırıma özellikli hoparlör tasarımı
ALI NAJDET NASRET CORAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
DR. ÖĞR. ÜYESİ MURAD MOHAMMED AMIN
- Revisiting image captioning structures based on CNN and RNN, and improving the performance using modified decoders with residual connections
Evrişimli sinir ağı ve tekrarlayan sinir ağı tabanlı tanım oluşturma yapılarını yeniden değerlendirmek ve artık bağlantıları olan kod çözücüler kullanarak performansı artırmak
SİNAN SARAÇOĞLU
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Ricci quarter-simetrik metrik konneksiyonlu D-rekürant uzaylar
D-recurrent spaces with Ricci quarter-symmetric metric connection
CEMİLE ELVAN DİNÇ
Yüksek Lisans
Türkçe
2004
Matematikİstanbul Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. AYNUR UYSAL
YRD. DOÇ. DR. ELİF CANFES
- Tekrarlayan öne omuz çıkıklarında modifiye bristow ameliyatı sonuçlarımız
Başlık çevirisi yok
HASAN GÖÇER
Tıpta Uzmanlık
Türkçe
2007
Ortopedi ve TravmatolojiSağlık BakanlığıOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. MÜCAHİT GÖRGEÇ