Публікація:
Дослідження методів для контекстно-залежного розпізнавання діяльності людини з використанням гібридних моделей глибокого навчання

dc.contributor.authorД’яченко, М. О.
dc.date.accessioned2025-03-26T15:20:04Z
dc.date.available2025-03-26T15:20:04Z
dc.date.issued2024
dc.description.abstractМетою роботи є дослідження методів контекстно-залежного розпізнавання людської діяльності за допомогою гібридних моделей глибокого навчання. Для розв’язання поставлених задач у даній кваліфікаційній роботі використано: реалізацію архітектур CNN, LSTM, техніки пре-обробки зображень, механізм уваги. На основі літературних джерел розглянуто сучасний стан проблеми, проаналізовано те, які методи та моделі використовуються для контекстно залежного розпізнавання людської діяльності та сформовано постановку задачі. Наступним кроком було розглянуто існуючі підходи та фреймворки для вирішення задач контекстно-залежного розпізнавання людської діяльності на основі даних відео. Для кожного із розглянутих підходів у виді програмного застосунку було розроблено модель. Ці моделі було навчено на датасеті UCF-101 та кожен із результатів навчання було проаналізовано й порівняно між собою. У результаті роботи було зроблено висновки та зроблено рекомендації для подальшого дослідження теми.
dc.identifier.citationД’яченко М. О. Дослідження методів для контекстно-залежного розпізнавання діяльності людини з використанням гібридних моделей глибокого навчання : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 126 Інформаційні системи та технології / М. О. Д`Яченко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2024. – 99 с.
dc.identifier.urihttps://openarchive.nure.ua/handle/document/30100
dc.language.isouk
dc.subjectрозпізнавання людської діяльності
dc.subjectархітектура CNN
dc.titleДослідження методів для контекстно-залежного розпізнавання діяльності людини з використанням гібридних моделей глибокого навчання
dc.typeOther
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Завантаження...
Зображення мініатюри
Назва:
2024_M_RTIKS_Dyachenko_MO.pdf
Розмір:
8.35 MB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.55 KB
Формат:
Item-specific license agreed upon to submission
Опис: