Detecting incorrect squat posture using machine learning and nintendo Wii balance board
Hatalı squat duruşunu makine öğrenmesi ve nintendo Wii denge tahtası kullanarak tespit etme
- Tez No: 930440
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU TUNÇ ÇAMLIBEL
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Nintendo Wii Denge Tahtası (WBB) kullanılarak elde edilen veriler temelinde squat sınıflandırmasını Evrişimli Sinir Ağları (CNN'ler) ile araştırmaktadır. Araştırma, hassas deneyler gerçekleştirmeyi ve kapsamlı bir değerlendirme yapmayı amaçlamakta olup, elde edilen bulgular hareket algılama teknolojilerindeki ilerlemelere katkı sağlayabilir. Yöntemsel olarak, kapsamlı veri toplama, verilerin ön işlenmesi, model eğitimi ve model performans değerlendirmesi aşamalarını içermektedir. Geliştirilen CNN modelleri, umut verici bir sınıflandırma doğruluğu sergilemiş ve en iyi performans gösteren model %93 doğruluk oranına ulaşmıştır. Bulgular, WBB verilerine dayalı squat türlerinin doğru bir şekilde sınıflandırılmasında CNN tabanlı yaklaşımların etkinliğini vurgulamaktadır. Bununla birlikte, modelin aşırı öğrenme (overfitting) eğilimi ve veri kümesi sınırlamaları gibi zorluklar tespit edilmiş olup, bu durum daha ileri araştırmaların gerekliliğini ortaya koymaktadır. Gelecekteki çalışmalar; çalışma süresi kısıtlarını ele almayı, veri kümelerinin genişletilmesini ve veri artırma (data augmentation) tekniklerinin araştırılmasını içerebilir. Genel olarak, bu çalışma CNN tabanlı yöntemlerin hareket algılamada kullanımına yönelik önemli bir ilerleme kaydetmekte ve WBB'nin taşınabilir, düşük maliyetli bir kuvvet platformu olarak sağlık, spor bilimi ve rehabilitasyon alanlarında potansiyel uygulamalara sahip olduğunu göstermektedir.
Özet (Çeviri)
This study investigates the classification of squats for which the data sourced from the Nintendo Wii Balance Board (WBB) using Convolutional Neural Networks (CNNs). This research focuses on conducting precise experimentation and comprehensive evaluation, with findings that could contribute to advancements in motion detection technologies. Methodologically, it involves thorough data collection, preprocessing of the data, model training, and model performance assessment. The developed CNN models demonstrate promising classification accuracy, with the best-performing variant notably reaches to 93%. The findings underscore the effectiveness of CNN-based approaches in accurately classifying squat types based on WBB data. However, challenges such as model overfitting and dataset limitations have been identified, highlighting the need for further investigation. Future research may include addressing runtime constraints, enlarging dataset sizes, and exploring data augmentation techniques. Overall, this study marks a significant step forward in applying CNN-based methods for motion detection with using the WBB as a portable, low-cost force plate and the study findings shows WBB has potential in applications related to healthcare, sports science, and rehabilitation.
Benzer Tezler
- An ontology based approach for question answering systems that using machine learning
Makine öğrenmesi kullanan soru cevaplama sistemleri için ontoloji tabanlı bir yaklaşım
ZEKERİYA ANIL GÜVEN
- Toplu konut alanlarında güvenli çevrelerin oluşturulmasında kullanılabilecek kavramsal bir model
Başlık çevirisi yok
SUAT APAK
- Derin konuşma ile Kur'an-ı Kerim'i hatalı okuma tespiti
Detecting incorrect reading of the Quran through deep talk
ABDULLAH TAHA GUMAR AL-DULAIMI
Yüksek Lisans
Türkçe
2023
Kütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Detecting bad smells in codes by using algorithm analysis
Kodlardaki kötü kokuların algoritma analizi kullanılarak tespit edilmesi
AYLİN GÜZEL
Yüksek Lisans
İngilizce
2016
Dokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...