Application of deep learning methods in human activity recognition
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
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.
Author
Kemal Baysarı
How to Cite
Kemal Baysarı (Yüksek Lisans Tezi). Application of deep learning methods in human activity recognition, 2022, Dokuz Eylül University.
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Dokuz Eylül University
- Urla bölgesi kırsal mimari mirasının karakteristikleri ve koruma sorunları(2019)
- Profesyonel ses sanatçılarının ses üretiminde karşılaştıkları teknik sorunlara yönelik yeni öneriler(2012)
- Muâviye b. Ebî Süfyân'a yöneltilen eleştiriler(2019)
- Polifenol-Fe(III) komplekslerinin ve tannik asit reçinenin sentezi, karakterizasyonu ve uygulamaları(2013)
- Yerel kamusal malların sunumunda alternatif yöntemler(2007)
- Türk resim sanatının son on yılına yönelik değerlendirmeler(1994)
