Implementing human activity recognition on videos using two different architectures that we created in tensorflow
Başlık çevirisi mevcut değil.
- Tez No: 796717
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Kamera sistemi dünyanın en önemlisi haline geliyor, sokaktaki insanları, parkları ve ofisleri izlemek çok önemli, tüm modern şehirlerin insanları yabancılardan ve kazalardan kurtarmak için bir izleme sistemi var. Kamera sistemini her yere dağıtıyorlar. Çalışanların tüm bu sistemleri izlemesi imkansızdır. Bu noktadan itibaren, insan aktivitesini otomatik olarak analiz etmek ve en iyi sonuç ve zaman için İnsan Aktivitesi Tanıma Sistemini (HAR) geliştirmek için çalıştık. Uzun kısa süreli bellek (LSTM) ağları, sekans verileri ile çalışmak için harikadır ve evrişimsel sinir ağları (CNN'ler) görüntü verileriyle çalışmak için harikadır, ancak ikisini karıştırdığınızda, her iki dünyanın en iyisini elde edersiniz ve zorlayıcıdır. Video kategorizasyonu gibi bilgisayar görme görevleri. Bu tezde, videolarda insan eylemi tanıma oluşturmak için uzun kısa vadeli bir bellek ağı ile birlikte evrişimsel bir sinir ağı kullanacağız. Tensorflow iki farklı yapı ve yöntemle gerçekten iki kez kullanılacaktır. Sonunda, geleneksel bir kamera tarafından yakalanan görüntülerde tahminler yapmak için en iyisini yapan modeli kullanacağız.
Özet (Çeviri)
The camera system is becoming the most important in the world, watching the people in the street, parks and offices is very important, All the modern cities have a watching system to save the people from strangers and accidents. They deploy the camera system everywhere. it is impossible to employees to watch all these systems. from this point, we studied to analyses human activity Automatically and improve the system of human activity recognition (HAR) for a best result and time. Long-Short Term Memory (LSTM) networks are wonderful for working with sequence data, and Convolutional Neural Networks (CNNs) are fantastic for working with image data, but when you mix the two, you get the best of both worlds and can handle challenging computer vision tasks like video categorization. In this thesis, we'll use a Convolutional Neural Network together with a Long-Short Term Memory Network to create human action recognition on videos. TensorFlow will really be used twice, with two distinct structures and methods. In the end, we'll use the model that performs the best to make predictions on footage captured by a conventional camera.
Benzer Tezler
- Ortaölçekli firmalarda kalite kontrol sistemi
Quality control system in middle scale firms
TAMER YUVAKURAN
- Çok uluslu şirketler teorileri çerçevesinde doğrudan yabancı sermaye yatırımlarının incelenerek Türkiye açısından değerlendirilmesi
Başlık çevirisi yok
ÖZGÜR ÇATIKKAŞ
- Kalite çemberleri ve konfeksiyon uygulamaları
Başlık çevirisi yok
ŞENOL DALLI
Yüksek Lisans
Türkçe
1996
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. BAYRAM YÜKSEL
- Esnek sistemler yaklaşımı
Soft systems methodology
NURAY ÖZDEMİR
Yüksek Lisans
Türkçe
1994
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. FÜSUN ÜLENGİN
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL