İnsan aktivitelerinin derin öğrenme tekniği ile tespit edilmesi
Detection of human activities with deep learning technique
- Tez No: 575034
- Danışmanlar: DOÇ. DR. İLHAN UMUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 50
Özet
Yapılan bu tez çalışmasında video ya da kamera görüntülerinden insanları tespit ederek, insanların aktivitelerini(ayakta, koşuyor, zıplıyor, oturuyor ve yatıyor) derin öğrenme tekniklerini kullanarak tahmin edilmesi amaçlanmaktadır. Çalışmada veri seti olarak 10000 den fazla farklı internet kaynağından elde edilen resim ve video görüntüleri kullanılmıştır. Çalışmada faklı yazılım ve donanım teknolojileri kullanılmıştır. Verileri düzenleme ve etiketlemede java dili, eğitim ve model oluşturmada DIGITS, framework olarak Caffe, testlerde ise Python dili kullanılmıştır. Sonuç olarak 8458 adet resim kullanılarak yapılan çalışmada farklı insan aktiviteleri derin öğrenme teknikleri kullanılarak ortalama %97 gibi büyük bir doğrulukla sınıflandırılmıştır. Tek bir resim ile yapılan DIGITS testinde %90.88, 1341 resim ile yapılan Python testinde ortalama % 97.4, video testlerinde ise ortalama 4 fps ve %92 doğruluk ile insan aktivitesi sınıflandırılmıştır.
Özet (Çeviri)
In this thesis, it is aimed to detect people from video or camera images and to predict people's activities (standing, running, jumping, sitting and lying) by using deep learning techniques. In the study, pictures and video images obtained from more than 10000 different internet sources were used as data set. Different software and hardware technologies were used in the study. Java language was used for data editing and labelling, DIGITS was used for training and modelling, Caffe was used as framework and Python language was used for tests. As a result, different human activities were classified with an average accuracy of 97% by using deep learning techniques in the study, which was conducted using 8458 images. In DIGITS test with a single image, human activity was classified as 90.88%, Python test with 1341 images, and 97.4% on average, 4 fps and 92% accuracy on video tests.
Benzer Tezler
- İvme ve derinlik sensör verilerini kullanarak işbirlikçi hareket ve düşme tanıma için akıllı tekniklerin geliştirilmesi
Development of intelligent techniques for collaborative motion and fall recognition using acceleration and depth sensor data
BÜŞRAN AŞICI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Anomaly detection in diverse sensor networks using machine learning
Çeşitli sensör ağlarında makine öğrenimi ile anomali tespiti
ALİ ALP AKYOL
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- İnsanın günlük yaşam aktivitelerinin sınıflandırılmasında derin öğrenme modellerinin karşılaştırılması
Comparison of deep learning models in classification of human's daily life activities
İBRAHİM ALİ METİN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHADIR KARASULU