Application of deep learning methods in human activity recognition
İnsan aktivitesi tanımada derin öğrenme yöntemlerinin uygulanması
- Tez No: 774386
- Danışmanlar: DOÇ. DR. DERYA BİRANT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Geleneksel sensör tabanlı insan aktivitesinin tanınması (HAR), bir zaman serisi verisi sınıflandırma problemi olarak tanımlanmıştır ve özellik çıkarımı gerektirir. Mevcut HAR sistemleri, insan tarafından anlaşılabilir bilgiler üretebilen şeffaf, yorumlanabilir ve açıklanabilir yaklaşımlardan hala yoksundur. Bu tez, hem açıklanabilirliği hem de tanıma doğruluğunu geliştirmek için HAR problemini bir görüntü sınıflandırma problemi olarak tanımlayan, Sinyal Görüntülerinde İnsan Aktivitesi Tanıma (HARSI) adlı bir yaklaşım önermektedir. Önerilen HARSI yaklaşımı, görüntü verilerinin işlenmesinde evrişimli sinir ağlarının (CNN) güçlü yönlerinden yararlanmak için akıllı sensör verilerini bazı görsel görüntülere dönüştürür. Gerçek dünya veri seti üzerinde gerçekleştirilen deneysel sonuçlar, önerilen HARSI modeli ile geleneksel makine öğrenme modellerine kıyasla önemli bir gelişme kaydedildiğini göstermiştir. Sonuçlar ayrıca, yöntemimizin sınıflandırma doğruluğu açısından son teknoloji yöntemlerden daha iyi performans gösterdiğini göstermiştir.
Özet (Çeviri)
Traditional sensor-based human activity recognition (HAR) has been defined as a time-series data classification problem and requires feature extraction. The current HAR systems still lack transparent, interpretable, and explainable approaches that can generate human-understandable information. This thesis proposes an approach, called Human Activity Recognition on Signal Images (HARSI), which defines the HAR problem as an image classification problem to improve both explainability and recognition accuracy. The proposed HARSI approach transforms the smart sensor data into some visual images to take advantage of the strengths of convolutional neural networks (CNN) in handling image data. The experimental results carried out on a real-world dataset showed that a significant improvement was achieved by the proposed HARSI model compared to the traditional machine learning models. The results also showed that our method outperformed the state-of-the-art methods in terms of classification accuracy.
Benzer Tezler
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Derin öğrenme ile günlük aktivite ve seyahat türlerini birlikte tanıma
Activity recognition and transport mode detection using deep learning
JEMSHIT ISKANDEROV
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AMAÇ GÜVENSAN
- 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
- 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
- On-device deep learning for mobile and wearable computing
Mobil ve giyilebilir hesaplama için cihaz üzerinde derin öğrenme
SEVDA ÖZGE BURSA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLFEM ALPTEKİN
DOÇ. DR. ÖZLEM DURMAZ İNCEL