Geri Dön

Bilgisayarlı görü ile derin öğrenme teknikleri kullanılarak spor antremanlarının doğruluğunun tespiti

Determining the accuracy of sports training using computer vision and deep learning techniques

  1. Tez No: 838289
  2. Yazar: NURETTİN ACI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMED FATİH KULUÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Science and Technology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bitlis Eren Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

Özet

Derin öğrenme tabanlı olarak geliştirilen MediaPipe Poz Tahmin modeli ile gerçek zamanlı görüntülerden elde edilen insan poz tahmini verilerinin makine öğrenme algoritmaları kapsamında spor biyomekaniği açısından spor aktivitelerinin doğruluk oranı üzerine sistematik bir analiz yapılmıştır. Bu çalışmada, MediaPipe Poz Tahmin modelinin farklı spor aktivitelerinde vücut pozisyonuna bağlı olarak biyomekanik parametreleri ışığında nasıl tahmin ettiği incelenmiştir. Ayrıca, modelin performansını değerlendirmek için gerçek zamanlı olarak kameradan elde edilen verilerin farklı makine öğrenme algoritmaları (regresyon, sınıflandırma vb.) ile eğitime tabi tutularak karşılaştırma yapılmıştır. Ayrıca bu çalışma, bilgisayarlı görü destekli derin öğrenme tekniklerinin spor antrenmanlarında ve poz tahminindeki uygulanabilirliği konusunda öncü bir araştırmadır. Mediapipe'nin insan poz tahmini modeli ile elde edilen verilerin makine öğrenme algoritmalarıyla eğitilmesi ile sporcuların pozisyonlarını doğru bir şekilde takip etmek için kullanılabileceği bir uygulama haline getirilmiştir. Ayrıca, bu aracın sporcuların performanslarını artırmak için nasıl kullanılabileceği konusunda da yol gösterici olacaktır. Sonuç olarak, MediaPipe Poz Tahmin modelinin spor biyomekaniği için uygun ve etkili bir araç olduğu gösterilmeye çalışılmıştır.

Özet (Çeviri)

A systematic analysis was made on the accuracy of sports activities in terms of sports biomechanics within the scope of machine learning algorithms of human pose estimation data obtained from real-time images with the MediaPipe Pose Estimation model, which was developed based on deep learning. The study examined how the MediaPipe Pose Estimation model predicts biomechanical parameters in different sports activities based on body position. The performance of the model was evaluated by comparing real-time camera data with training using various machine learning algorithms such as regression and classification. In addition, this study is a pioneering research on the applicability of computer vision assisted deep learning techniques in sports training and pose estimation. By training the data obtained with the human pose estimation model of Mediapipe with machine learning algorithms, it has been turned into an application that can be used to accurately track the positions of the athletes. This thesis abstract examines the impact of data from real-time images on the accuracy of sports activities using Medipipe's human pose estimation model. It will also guide how this tool can be used to improve the performance of athletes. Efforts have been made to demonstrate the suitability and efficacy of the MediaPipe Exposure Estimation model as a valuable tool in the field of sports biomechanics.

Benzer Tezler

  1. Vision transformer tabanlı öz denetimli öğrenme ile histopatolojik görüntülerde mitoz hücrelerinin tespiti

    Detection of mitosis cell in histopathological images using vit-based self-supervised learning

    MUHAMMED CİHAD ARSLANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ACAR

    DOÇ. DR. ABDÜLKADİR ALBAYRAK

  2. Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi

    Detection of LPG fitted vehicles for risky areas with computer vision techniques

    ÖZNUR SUÇEKEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER

  3. Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme

    Developing a deep learning-based land use and land cover mapping model using remote sensing data

    ŞAZİYE ÖZGE ATİK

    Doktora

    Türkçe

    Türkçe

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZHAN İPBÜKER

  4. Serebrovasküler hastalıkların teşhisi için yapay zeka tabanlı karar destek sistemi

    Artificial intelligence based decision support system for diagnosis of cerebrovascular disease

    FURKAN KUTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UĞURHAN KUTBAY

  5. Derin öğrenme kullanılarak geleneksel Türk halk dansları figür tespiti: Harmandalı örneği

    Traditional turkish folk dance figure detection using deep learning: The case of Harmandalı

    ERDEM BÜYÜKGÖKOĞLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIsparta Uygulamalı Bilimler Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SİNAN UĞUZ