An efficient model for human activity recognition using convolutional neural network (CNN)
Evrimsel sinir ağı (CNN) kullanarak insan faaliyetlerinin tanıma için etkili bir model
- Tez No: 676266
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bilgi, herhangi bir zamanda insan faaliyetlerini sınıflandırma ve tanıma sistemleri aracılığıyla bireylerden elde edilebilir. Bu sistemler hastalıkların tespiti, fizik tedavi aşamalarının iyileştirilmesi, akıllı ev projelerinin geliştirilmesi gibi farklı alanlarda kullanılmaktadır. Bu çalışmada akıllı telefonlar üzerinde bulunan ivmeölçer ve jiroskop sensörlerinden elde edilen veriler kullanılmıştır. Literatürdeki çalışmaların çoğu, makine öğrenmesi ve derin öğrenme tekniklerine dayalı olarak üst düzey özellikleri ve aralarındaki ilişkileri analiz edememektedir. Evrişimli Sinir Ağı (CNN) modeli, üst düzey ve hassas özellikler elde etme kabiliyeti nedeniyle oldukça uygun bir derin öğrenme yaklaşımıdır. Bu arka planı içeren derin öğrenme temelli yaklaşım, çalışmamızdaki deneylerde çeşitli insan etkinliklerinin sınıflandırılmasında kullanılmıştır. Deneylerde, ilgili ağ modellerine farklı girdi parametreleri, katman ve ağ birimleri verilerek sınıflandırma performans doğruluk oranı ölçülmüştür. Sonuç olarak, altı farklı sınıfın yüksek doğrulukla sınıflandırıldığı ve yaklaşık %97.98'lik bir sınıflandırma performansı elde edildiği gösterilmiştir.
Özet (Çeviri)
Information can be obtained from individuals through the systems of classifying and recognizing human activities at any time. These systems are used in different areas such as the detection of diseases, improvement of physical therapy stages, development of smart home projects. In this study, the data obtained from accelerometer and gyroscope sensors on smart phones are used. Most of the studies in the literature are unable to analyse higher-level features and their relationships based on machine learning and deep learning techniques. Convolutional Neural Network (CNN) model is a very suitable deep learning approach due to its ability to obtain high level and sensitive features. The deep learning-based approach that includes this background has been used in the classification of various human activities in the experiments in our study. In the experiments, the classification performance accuracy rate was measured by giving different input parameters, layer and network units to the relevant network models. As a result, it has been shown that six different classes are classified with high accuracy, achieving a classification performance of approximately 97.98%
Benzer Tezler
- A memory efficient novel deep learning architecture enabling diverse feature extraction on wearable motion sensor data
Giyilebilir hareket algılayıcıları verisi ile kapsamlı öznitelik çıkarma sağlayan bellek verimli yenilikçi bir derin öğrenme mimarisi
ENES KOŞAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLLUR BARSHAN ÖZAKTAŞ
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN
- Kalite çemberleri ve konfeksiyon uygulamaları
Başlık çevirisi yok
ŞENOL DALLI
Yüksek Lisans
Türkçe
1996
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. BAYRAM YÜKSEL
- Türk halılarının görüntü veri tabanı kullanarak saklanması ve sorgulanması
Başlık çevirisi yok
BARBAROS GÜNAY
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHİTTİN GÖKMEN