Human activity recognition with convolutional and multi-head attention layer based neural network
Evrişimli ve çok kafalı dikkat katmanlı sinir ağlarıyla insan aktivitelerini tanıma
- Tez No: 713256
- Danışmanlar: PROF. DR. HASAN OĞUL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
İnsan Aktivitesi Tanıma (HAR), sensörler tarafından oluşturulan zaman serisi verileriyle insan aktivitelerinin sınıflandırılmasını ifade eder. HAR için birçok farklı algılama tekniği olmasına rağmen, bu tezde, mobil giyilebilir algılama cihazlarındaki son gelişmeler nedeniyle, HANDY veri seti tarafından sağlanan bileğe takılan ivmeölçer verileri kullanılmıştır. Önerilen modelde, öznitelik çıkarma katmanı sırasıyla dikkat katmanına bağlanmıştır ve bu bağlam girdileri sınıflandırmak için tam bağlantılı katmana bağlanmıştır. Öznitelik çıkarımdaki başarılarından dolayı öznitelik çıkarma katmanında Evrişimsel Sinir Ağı (CNN), ivme sensöründen gelen 3B zaman serisi verilerinin her boyutunu değerlendirmek için CNN'den sonra Çok Kafalı Dikkat Katmanı kullanılmıştır. Öznitelik çıkarma ve dikkat katmanından sonra SoftMax sınıflandırıcı ile tam bağlantılı katman ile sonlanan bu model, kategorik çapraz entropi kaybı ile değerlendirildiğinde 0,935 doğrulama oranına ulaşmıştır.
Özet (Çeviri)
Human Activity Recognition (HAR) refers to classifying human activities with time-series data generated by sensors. Although there are many different sensing techniques for HAR, this thesis uses wrist-worn accelerometer data provided by the HANDY dataset due to the recent development of mobile wearable sensing devices. In the proposed model, the feature extraction layer is connected to the attention layer, respectively, and this context is connected to the fully connected layer to classify the inputs. Due to its achievements in feature extraction, Convolutional Neural Network (CNN) was used in the feature extraction layer, Multi-Head Attention Layer was used after CNN to evaluate every dimension of the 3D time-series data coming from the acceleration sensor. After the feature extraction and attention layer, this model, which ended with a fully connected layer with the SoftMax classifier, reached 0. 935 validation accuracy when evaluated with categorical cross-entropy loss
Benzer Tezler
- Alt ekstremite biyomekanik sinyal analiziyle derin öğrenme tabanlı insan yürüyüşü tanıma
Human gait recognition based on deep learning using lower limb biomechanical signal analysis
HACER KUDUZ
Doktora
Türkçe
2023
Biyomühendislikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
- Davranışsal ve fiziksel multi-biyometri ile kişi kimliklendirme ve hareket tanıma üzerine yaklaşımlar
Approaches to person identification and motion recognition with behavioral and physical multi-biometrics
ONUR CAN KURBAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Exploring fusion models in computer vision for medical image computing
Başlık çevirisi yok
DUYGU SARIKAYA
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState University of New York at BuffaloDr. JASON J. CORSO
- Derin öğrenme ile giyilebilir sensör tabanlı insan aktivitesi ve demografik grup tanıma
Wearable sensor-based human activity and demographic group recognition with deep learning
MEHMET ÇAĞDAŞ SAYGILI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA SERT
- Implementing human activity recognition on videos using two different architectures that we created in tensorflow
Başlık çevirisi yok
MARWAH NABEEL IBRAHIM AL-SIRAJ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK