Rozpoznávání lidských činností pomocí Deep Learningu

Abstract

Tato bakalářská práce se zabývá konvolučními neuronovými sítěmi a jejich využitím v rámci rozpoznávání lidských činností s využitím hlubokého učení. V první části je popsána podstata konvoluční neuronové sítě a hlubokého učení. Dále jsou objasněny okruhy neuronových sítí z hlediska problematiky rozpoznávání lidských činností. Tyto poznatky jsou nadále využity k experimentu, kde dochází k tréninku sítě ResNet na datasetech MSR a KARD. Další součástí experimentu je odzkoušení metody generování dat na zmíněných datasetech a jejich porovnání s výchozím tréninkem. V závěru experimentu jsou přínos a potenciální nedostatky této metody zhodnoceny.

This bachelor thesis deals with convolutional neural networks and their usage in terms of human action recognition. The first part covers fundametals of convolutional neural network and deep learning. In the next part topics of neural network from the human action recognition point of view are described aswell. This knowledge is furthermore used for an experiment where ResNet network is used for training on both MSR and KARD datasets alike. The next part of the experiment covers a method for data generation on said datasets and its comparison with default training. In the experiment's conclusion the benefit and possible drawbacks of this method are evaluated.