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: Belirtilmemiş.
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
- Finite element simulation of visco-plastic deformation on micro-computers
Başlık çevirisi yok
CENGİZ SİNAN ÖZKAN
Yüksek Lisans
İngilizce
1989
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. A. ERMAN TEKKAYA
- Sincan ilçesinde şeker pancarı tarımına yer veren işletmelerinin optimal işletme organizasyonlarının tespiti
The Determination of the optimum farm organizations of the agricultural farms based on the sugar beet farming in Sincan district
EYÜP SERİN
- An Implementation and assessment of some of the boolean function minimization methods
Başlık çevirisi yok
MUCAHİT ÇELİKAĞ
Yüksek Lisans
İngilizce
1989
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiYRD. DOÇ. DR. MEHMET R. TOLUN
- A Study for investment decisions in mass housing construction in Turkey
Başlık çevirisi yok
TAHSİN BORA
