Tutkasensorin ja syväoppimisen hyödyntäminen liikkeen tunnistuksessa
Tekijät
Päivämäärä
2023Tekijänoikeudet
© The Author(s)
Ihmisten liikkeiden tunnistusta käytetään erilaisissa valvontaan ja älykoteihin
liittyvissä ratkaisuissa. Liikkeen tunnistukseen voidaan käyttää erilaisia
sensoreita. Viime aikoina erityisesti tutkasensorilla tapahtuva liikkeen tunnistus on
ollut mielenkiinnon kohteena. Tutka toimii valaistusolosuhteista riippumatta, havaitsee
liikkeitä seinien läpi eikä se loukkaa ihmisen yksityisyydensuojaa kuten
kamera. Tutka lähettää elektromagneettista aaltoa, joka heijastuu kohteesta takaisin.
Tästä palanneesta signaalista voidaan saada erilaista tietoa esimerkiksi kohteen
nopeudesta, etäisyydestä ja kulmasta suhteessa tutkaan. Syväoppiminen on tuonut
uusia mahdollisuuksia käsitellä suuria määriä dataa ja tehdä aineiston luokitusta
ilman manuaalista aineiston läpikäyntiä. Tutkan tuottamasta datasta voidaan
muodostaa kuvamuotoista dataa, joka sopii erityisen hyvin konvoluutioneuroverkkoa
hyödyntäville syväoppimismalleille. Tässä työssä tutustutaan millimetriaaltotutkan
ja syväoppimisen mahdollisuuksiin liikkeiden tunnistuksessa käyttäen vapaasti
ladattavissa olevaa PARrad-aineistoa, johon on koottuna yhteensä 14 eri liikettä
24 henkilön suorittamana ja useissa eri mittaustilanteissa kahden eri tutkan
havainnoimana. Työssä implementoidaan kolme erilaista konvoluutioneuroverkkomallia
ja vertaillaan näiden suorituskykyä. Lisäksi työ tarjoaa näkökulman hyödyntää
TinyML-konseptia mallin optimoinnissa ja siirtämisessä langattomaan sensoriverkkoon
mikrokontrollerin käyttöön. Malleista parhaimmaksi osoittautui malli, joka
oli opetettu käyttäen data-augmentaatiolla lisättyä aineistoa. Virheettömyydeksi
saatiin parhaimmalla mallilla 87%:n tulos.
...
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29747]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Tekoälyn hyödyntäminen teollisten valmistusprosessien parantamisessa
Mauno, Topias (2023)Tämän tutkielman tarkoituksena on kuvata tekoälyn nykytilaa ja sen mahdollisia sovelluksia valmistusteollisuudessa. Tekoäly on viime vuosikymmenen aikana noussut merkittäväksi innovaation lähteeksi useilla eri teollisuudenaloilla, ... -
Darknet-liikenteen analysointi koneoppimisalgoritmeilla
Arikainen, Anna (2023)Tämä pro gradu -tutkielma käsittelee Darknet 2020 -nimisen datasetin testaamista random forest-, gradient boosting- ja logistic regression-algoritmeilla. Tutkimus toteutettiin konstruktiivisena tutkimuksena. Tutkimuksen ... -
Recent Applications of Explainable AI (XAI) : A Systematic Literature Review
Saarela, Mirka; Podgorelec, Vili (MDPI, 2024)This systematic literature review employs the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) methodology to investigate recent applications of explainable AI (XAI) over the past three years. ... -
Koneoppiminen kariologiassa ja hampaiston määrittämisessä : mahdollisuudet, haasteet ja ihmisen rooli mallien opettamisessa
Savolainen, Petra (2024)Karies eli hampaiden reikiintyminen on maailmanlaajuisesti yksi yleisimmistä sairauksista, minkä hoitamatta jättäminen voi johtaa pahimmassa tapauksessa hampaan menettämiseen tai verenmyrkytykseen. Tämän vuoksi karieksen ... -
Koneoppiminen radiologiassa
Patronen, Saska (2024)Koneoppiminen on kehittynyt viime aikoina nopeaa vauhtia ja sitä on sovellettu monilla eri aloilla. Tässä kirjallisuuskatsauksessa käsitellään koneoppimisen soveltamista radiologian kuvantamisessa ja siihen liittyviä ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.