Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 130 trang
Dung lượng: 2 MB

Giới thiệu nội dung

A Study On Deep Learning Techniques For Human Action Representation And Recognition With Skeleton Data

Tác giả: PHAM DINH TAN

Lĩnh vực: COMPUTER ENGINEERING

Nội dung tài liệu:

Luận án tập trung vào các phương pháp cải thiện hiệu suất nhận dạng hành động của con người sử dụng dữ liệu xương. Các phương pháp được đề xuất được đánh giá trên các bộ dữ liệu xương công khai thu thập từ cảm biến RGB-D. Luận án trình bày các kỹ thuật để lựa chọn các khớp xương đóng vai trò quan trọng trong hành động, bao gồm lựa chọn tập con khớp được xác định trước và lựa chọn tập con khớp tự động. Ngoài ra, luận án còn đề xuất một mô-đun Tích hợp Đặc trưng (Feature Fusion – FF) cho Mạng Tích chập Đồ thị (Graph Convolutional Network – GCN), đặt tên là FF-AAGCN. Mô hình này được đánh giá hiệu quả trên bộ dữ liệu lớn NTU-RGBD và CMDFALL, cho thấy khả năng chống nhiễu và bất biến với phép tịnh tiến xương. Cuối cùng, luận án đề xuất một kiến trúc GCN nhẹ, phù hợp cho việc triển khai trên các thiết bị có năng lực tính toán hạn chế.

Mục lục chi tiết:

  • Tuyên bố về quyền tác giả
  • Lời cảm ơn
  • Tóm tắt
  • Mục lục
  • Danh mục chữ viết tắt
  • Danh mục ký hiệu
  • Danh mục bảng
  • Danh mục hình
  • Giới thiệu
  • Chương 1. Tổng quan tài liệu
  • Chương 2. Lựa chọn tập con khớp cho nhận dạng hành động dựa trên xương
  • Chương 3. Tích hợp đặc trưng cho mạng tích chập đồ thị
  • Chương 4. Mạng tích chập đồ thị nhẹ được đề xuất
  • Kết luận và công trình tương lai
  • Các ấn phẩm
  • Tài liệu tham khảo