Diplomová práce

Convolutional Neural Networks for 3D Action Recognition

Bc. Miriam Galanová
Anotace

Diplomová práca skúma vhodnosť rôznych architektúr konvolučných neurónových sietí na klasifikáciu pohybových dát. Nacvičené siete sa následne používajú na extrakciu popisných vlastností akcií a ich kvalita je hodnotená klasifikátorom k-najbližších susedov. Práca taktiež prezentuje využitie vizualizačnej metódy s názvom Gradient-weighted Class Activation Mapping na 2D pohybových obrázkoch. Cieľom vizualizácie je pozorovanie aktivácií v poslednej vrstve siete.

Abstract

The thesis examines the suitability of different architectures of convolutional neural networks for classification of motion data. The trained networks are also used for the extraction of descriptive action features, and their quality is evaluated by the k-nearest neighbour classifier. The work also presents the use of visualisation method called Gradient-weighted Class Activation Mapping on 2D motion …více

Klíčová slova
Convolutional Neural Network kNN classification Action Recognition 2D Motion Image Motion Data Grad-CAM
Zadání práce
Action recognition is probably the most popular task in 3D human motion analysis. The objective of this thesis is to verify the suitability of different architectures of convolutional neural networks for classifying 3D actions, such as walking, running, jumping or punching. Besides evaluating several architectures of convolutional neural networks, the student will also employ a selected network to detect important motion patterns for the specific action. Moreover, the trained networks will be used for extraction of descriptive action features whose quality will be evaluated using a k-nearest neighbor classifier. All the experiments will be conducted on a real-life dataset distinguishing in at least 100 action classes.
Administrativní informace
Práce zkontrolována:
8. 1. 2021 11:58, doc. RNDr. Jan Sedmidubský, Ph.D., učo 60474
Plný text práce
1,9 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
11. 2. 2021
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Jan Sedmidubský, Ph.D., učo 60474
KSUZD FI MU

Oponent

RNDr. Michal Batko, Ph.D., učo 2907
KSUZD FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Strojové učení a umělá inteligence

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.