prikaz prve stranice dokumenta Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
No public access
master's thesis
Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:133497
Čelan, Bruno
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Čelan, B. (2021). Aplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from 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." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 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." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 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', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 November 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 [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 November 25] Available at: 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", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:133497

Metadata
TitleAplikacija za praćenje gesta pomoću duboko kvantiziranih neuronskih mreža korištenih u terapijskim vježbama za ruke
Title (english)Application for gesture tracking using deep quantized neural networks used in therapeutic exercises for hands
AuthorBruno Čelan
MentorZdenko Kovačić (mentor)
Committee memberZdenko Kovačić (predsjednik povjerenstva)
Committee memberStjepan Bogdan (član povjerenstva)
Committee memberMatko Orsag (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-02-19, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
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.
Abstract (english)
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.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:133497
Study programmeTitle: Electrical Engineering and Information Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 12:00:28