Diplomová práce

Triplet-loss Learning for Classification of 3D Human Motion Data

Bc. Barbora Kompišová
Anotace

Automatické spracovanie 3D dát zachycujúcich ľudský pohyb pomocou extrakcie charakteristík je veľmi užitočné pri automatickej klasifikácii či hľadaní podobností vo veľkých dátach. Táto práca implementuje dva prístupy na spracovanie pohybových dát z datového súboru HDM05 s využitím tzv. triplet-loss prístupu učenia hlbokých neurónových sietí. Do výslednej podoby vysokodimenzionálneho vektoru sú v práci …více

Abstract

Automated processing of 3D human motion data into descriptive features is useful for solving tasks like classification or similarity searching. This thesis explores processing of motion data from the motion capture dataset HDM05 represented as images using the triplet-loss learning approach in deep convolutional neural networks for image processing to produce efficient representations of the data. …více

Klíčová slova
Motion data HDM05 Feature extraction Motion image Deep neural networks Action recognition Triplet-loss learning
Zadání práce
Action recognition in 3D human motion data is one of the most important tasks of motion understanding. This task is commonly solved by employing convolutional or recurrent neural networks trained on a set of labeled 3D human actions. The objective of this thesis is to adopt the triplet-loss learning approach for classifying motion data from both labeled and unlabeled actions. Triplet-loss networks strive for an embedding function that minimizes the distance between an anchor action and a positive sample, that is semantically close to the anchor, and maximizes the distance between the anchor and a negative sample, that is semantically different. The effectiveness of the proposed solutions shall be experimentally evaluated on real-life data.
Administrativní informace
Práce zkontrolována:
8. 1. 2021 12:57, doc. RNDr. Jan Sedmidubský, Ph.D., učo 60474
Plný text práce
1 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
12. 2. 2021
Práce byla úspěšně obhájena

Vedoucí

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

Oponent

RNDr. Petr Eliáš, Ph.D.
KSUZD FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

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.