Geri Dön

Üç boyutlu yürüyüş analizinde makine öğrenimi tabanlı cinsiyet tespiti

Machine learning based gender detection in three dimensional gait analysis

  1. Tez No: 704520
  2. Yazar: ADNAN WAZZEH
  3. Danışmanlar: PROF. DR. AHMET SERTBAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 52

Özet

Son yıllardaki biyometri alanında gerek yüz tanıma gerek yürüyüş alanlarındaki derin öğrenme başarıları geleneksel öğrenme yöntemlerine kıyasla artırmıştır. Bunun en önemli sebebi büyük veri analizlerine imkân sağlayacak yüksek işlemci gücüne sahip bilgisayar sistemleridir. Biyometri alanlarındaki yürüyüş analizi verilere büyük çapta olduklarından dolayı modellemeleri daha derin ve karmaşıktır, bu nedenle daha fazla zaman tüketimi ve işlem yüküne sahiptir. Bu amaçla iyi bir performansa sahip daha az donanımı kaynak olarak tüketen bir light-CNN modeli önerilmiştir. CNN'nin katmanlarında maksimum aktivasyon işlemi için Max-Feature-Map (MFM) kullanılmıştır. Aslında bir diğer bilinen ve sıklıkla kullanılan (ReLu) fonksiyonu genelde aktivasyon fonksiyonu olarak kullanılmaktadır, ama (Relu) fonksiyonu bir eşik değer ile nöronu bastırırken, MFM fonksiyonu rekabetçi bir ilişkiyle bastırmaktadır. MFM bunun yanı sıra genel anlamda sadece gürültülü sinyalleri ayırmakla kalmaz aynı zamanda özellik seçiminde rol oynamaktadır. Burada iyi bir performansı vermekle birlikte parametreleri ve zaman kaybını azaltan bir tane ağ sunmaktayız. Modelimiz, CMU veri seti üzerinde çalıştırılmıştır ve yürüyüş cinsiyet tanıma doğruluk oranı %92.7 ye ulaşmıştır.

Özet (Çeviri)

In recent years, deep learning achievements in study areas like facial recognition and gait analysis have exceeded the achievements of traditional machine learning methods because it works better with today's processors that have big processing capacities. Likewise, these deep learning algorithms are used in gait recognition, in order to achieve better recognition performance, in the architectures of the network which are deeper and more complex, with wasting much time and space. At this point, an advanced access network (Light CNN) has been proposed, which has excellent performance and consumes less hardware resources. We introduce the concept of maximum activation to each evolutionary layer of CNN, resulting in a Max-Feature-Map (MFM). Suppressing a neuron with a threshold (ReLU), MFM suppresses a neuron in a competitive relationship. MFM not only distinguishes noisy signals in general, but also plays a role in feature selection, where one network offers good performance while reducing the parameters and time loss. The normalized layer normalizes the output properties, thus better representing the images. We evaluate our model on the CMU dataset, and the accuracy of walking recognition reached 92.7%.

Benzer Tezler

  1. Makine öğrenmesi yöntemleri ile yapısal verilerin vektör gömülümleri

    Vector embeddings of structural data by machine learning techniques

    SARMAD NIHAD MOHAMMED SALIH

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMRA GÜNDÜÇ

  2. Development of machine learning algorithm for identification of vestibular system disorders

    Vestibüler sistem bozukluklarının teşhisi için makine öğrenimi algoritması geliştirilmesi

    SADDAM HEYDAROV

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT İKİZOĞLU

  3. Motion tracking in gait analysis

    Yürüyüş analizde hareket izleme

    MUHAMMAD SHAHİD SHAFİO

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. S. TURGUT TÜMER

  4. An uninterrupted urban walk: 3d analysis methods for supporting the design of walkable streets

    Kentte kesintisiz bir yürüyüş: Yürünebilir sokakların tasarım desteği için 3b analiz yöntemleri

    ELİF ENSARİ SUCUOĞLU

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU

  5. Evaluation and compensation of soft tissue movement artefacts for the kiss gait analysis system

    Kiss yürüyüş analizi sistemi için yumuşak doku hareketi bozulmalarının değerlendirilmesi ve düzeltilmesi

    HAKAN AFŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. S. TURGUT TÜMER