prikaz prve stranice dokumenta PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
Access restricted to authenticated users
master's thesis
PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
Rijeka: University of Rijeka, Faculty of Engineering, 2016. urn:nbn:hr:190:011496
Volf, Maja
University of Rijeka
Faculty of Engineering

Institutional repository: Repository of the University of Rijeka, Faculty of Engineering

Cite this document

Volf, M. (2016). PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, Maja. "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA." Master's thesis, University of Rijeka, Faculty of Engineering, 2016. https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, Maja. "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA." Master's thesis, University of Rijeka, Faculty of Engineering, 2016. https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, M. (2016). 'PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 27 November 2024, https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf M. PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2016 [cited 2024 November 27] Available at: https://urn.nsk.hr/urn:nbn:hr:190:011496

M. Volf, "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2016. Available at: https://urn.nsk.hr/urn:nbn:hr:190:011496

Metadata
TitlePRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
AuthorMaja Volf
MentorKristijan Lenac (mentor)
Committee memberŽeljko Jeričević (predsjednik povjerenstva)
Committee memberKristijan Lenac (član povjerenstva)
Committee memberJonatan Lerga (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2016-05-31, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Prethodnih dva desetljeća, uz razvoj autonomnih i pametnih sustava, raste interes za tehnikama koje omogućuju što bolju obradu podataka koje takvi sustavi obraĎuju sa svrhom spoznaje okolnog svijeta. Takve tehnike većinski spadaju pod okrilje strojnog učenja, pod koje spada i metoda potpornih vektora (Support Vector Machine - SVM). U ovom radu objasnila sam primarne podjele strojnog učenja, na koji način se SVM uklapa u disciplinu te zatim teoretsku osnovu rada SVM-a. Nakon toga slijedi opis formata za dubinske snimke te pregled kamera koje ih mogu snimati i koje su često korištene. U praktičnom dijelu rada navodim alate koji koriste više metoda strojnog učenja, uključujući i metodu potpornih vektora, te moje rezultate istraţivanja i testiranja Ground Based People Detector algoritma koji pronalazi osobe na dubinskim snimkama sa Kinect 3D kamere.
Abstract (english)
The last two decades have, alongside autonomous and smart system development, seen an increased interest for techniques that improve data analysis of said systems with the goal of sensing their surroundings. Such techniques are mostly part of the machine learning discipline, as is the support vector machine (SVM). In this paper, I have elaborated the primary machine learning categories, the way SVM is incorporated into them and also the fundamental theoretical background for SVM. Following that is a review of basic depth image formats and corresponding cameras that are often used for capturing them. The practical sections consist of reviews for machine learning toolkits which often implement several different methods including the support vector machine; as well as my research and testing on the Ground Based People Detector algorithm which uses Kinect depth data to find people in 3D images.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:011496
Study programmeTitle: Mechanical Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka strojarstva (magistar/magistra inženjer/inženjerka strojarstva)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to authenticated users
Terms of useLicence In copyright icon
Created on2016-06-06 13:10:03