prikaz prve stranice dokumenta Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
Rad nije dostupan
diplomski rad
Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
2021. urn:nbn:hr:168:133497
Čelan, Bruno
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Čelan, B. (2021). Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:133497

Čelan, Bruno. "Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:133497

Čelan, Bruno. "Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:133497

Čelan, B. (2021). 'Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:133497

Čelan B. Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 27.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:133497

B. Čelan, "Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:133497

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:133497
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
Naslov (engleski)Application for gesture tracking using deep quantized neural networks used in therapeutic exercises for hands
AutorBruno Čelan
MentorZdenko Kovačić (mentor)
Član povjerenstvaZdenko Kovačić (predsjednik povjerenstva)
Član povjerenstvaStjepan Bogdan (član povjerenstva)
Član povjerenstvaMatko Orsag (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-02-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Računalni vid vrlo je važan dio interakcije čovjek-stroj (HMI). Korištenje strojnog učenja u računalnoj obradi vida otvara nove primjene poput praćenja i prepoznavanja ljudi koji mogu ili ne mogu ući u određene zgrade, pomaganje u dijagnosticiranju autizma kod djece itd. U ovom je radu cilj poboljšati iskustvo fizikalne terapije kako za liječnike tako i za pacijente. Za detekciju ruku u slici korištena je YOLO konvolucijska neuronska mreža. Probana binarna kvantizacija je pokazala odlične rezultate na klasifikacijskim problemima, dok je na problemu detekcije bilo baš obratno. U prepoznavanju dobro izvođenja vježbi testirano je par metoda 2d CNN sa LSTM i 3d CNN-ovi, tu su 3d CNN pokazali kao dosta precizniji modeli, ali ujedno i kompleksniji. Tako da bi trebalo probati utjecaj binarne kvantizacije na 3d CNN modele da bi se mogli koristi u ovom problemu.
Sažetak (engleski)
Computer vision is a very important part of human-machine interaction (HMI). The use of machine learning in computer vision processing opens up new applications such as tracking and recognizing people who may or may not enter certain buildings, helping to diagnose autism in children, etc. In this thesis, the goal is to improve the physical therapy experience for both physicians and patients. YOLO convolutional neural network was used for hand detection. The tested binary quantization showed excellent results on classification problems, while on the detection problem it was just the opposite. In recognizing the correctly performed exercises, a couple of methods were tested 2d CNN with LSTM and 3d CNNs, where 3d CNNs proved to be much more accurate models, but also more complex. So next step should be to try the influence of binary quantization on 3d CNN models to be able to be used in this problem.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:133497
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 12:00:28