Rekonstrukce pózy lidské ruky z hloubkového obrazu

Herbig, Milan

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.advisor	Krňoul Zdeněk, Ing. Ph.D.
dc.contributor.author	Herbig, Milan
dc.contributor.referee	Hrúz Marek, Ing. Ph.D.
dc.date.accepted	2016-6-21
dc.date.accessioned	2017-02-21T08:27:28Z	-
dc.date.available	2015-10-1
dc.date.available	2017-02-21T08:27:28Z	-
dc.date.issued	2016
dc.date.submitted	2016-5-12
dc.identifier	68089
dc.identifier.uri	http://hdl.handle.net/11025/23643
dc.description.abstract	Téma práce je zaměřeno na aplikaci state-of-the-art konvolučních neuronových sítí za účelem rekonstrukce pózy lidské ruky z hloubkových dat pořízených kamerou Microsoft Kinect v2. V práci se věnuji současným metodám a přístupům k rekonstrukci pózy, problémům spojeným s trénováním neuronových sítí, tvorbě trénovacích dat, jejich normalizaci a konečně návrhu samotné architektury neuronové sítě pro účely regrese pózy lidské ruky. V závěru diskutuji dosažené výsledky. Výstupem práce je jednak navržená architektura konvoluční neuronové sítě a jednak natrénovaný model. Zároveň jsem vytvořil modul pro snímání a segmentaci hloubkových dat z kamery včetně modulu pro vizualizaci výsledků rekonstrukce. Celý systém běží v reálném čase s využitím výpočtů na grafické kartě.	cs
dc.format	71 s.	cs
dc.format.mimetype	application/pdf
dc.language.iso	cs	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.relation.isreferencedby	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=68089	-
dc.rights	Plný text práce je přístupný bez omezení.	cs
dc.subject	regrese	cs
dc.subject	odhad parametrů	cs
dc.subject	rekonstrukce pózy	cs
dc.subject	3d model	cs
dc.subject	strojové učení	cs
dc.subject	konvoluční neuronová síť	cs
dc.title	Rekonstrukce pózy lidské ruky z hloubkového obrazu	cs
dc.title.alternative	Depth-based hand pose estimation	en
dc.type	diplomová práce	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-program	Inženýrská informatika	cs
dc.description.result	Obhájeno	cs
dc.rights.access	openAccess	en
dc.description.abstract-translated	This thesis explores possibilities and contributions of state-of-the-art convolutional neural networks to hand pose estimation problem. Hand pose is estimated from depth images recorded by Microsoft Kinect v2 depth camera. Current hand estimation methods and neural networks in general are discussed. The focus is set on problems during neural network training, data creation and normalization. Whole chapter is devoted to regression convolution neural network model design. Finally, observed results are discussed in the last chapter. This work produces both proposed and trained neural network model. Also, for real-word testing and demonstration purposes, both segmentation and visualization modules were developed. It is worth noting that whole pipeline runs in real time on GPU.	en
dc.subject.translated	regression	en
dc.subject.translated	parameter estimation	en
dc.subject.translated	pose reconstruction	en
dc.subject.translated	3d model	en
dc.subject.translated	machine learning	en
dc.subject.translated	convolutional neural network	en
Vyskytuje se v kolekcích:	Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:

Soubor	Popis	Velikost	Formát
dipl_prace_final.pdf	Plný text práce	9,75 MB	Adobe PDF	Zobrazit/otevřít
herbig-v.pdf	Posudek vedoucího práce	799,1 kB	Adobe PDF	Zobrazit/otevřít
herbig-o.pdf	Posudek oponenta práce	664,35 kB	Adobe PDF	Zobrazit/otevřít
herbig-p.pdf	Průběh obhajoby práce	437,35 kB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/23643

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání

navigace