Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας

Η διπλωματική αυτή εργασία παρουσιάζει την όραση των υπολογιστών που σε συνδυασμό με τη χρήση μεθόδων μηχανικής μάθησης, μπορούν να δημιουργήσουν εφαρμογές που αναγνωρίζουν μοτίβα, όπως χειρονομίες. Αρχικά, γίνεται μια ιστορική αναδρομή στις επιστήμες της υπολογιστικής όρασης και της μηχανικής μά...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Καζλάροφ, Βαγγέλ
Άλλοι συγγραφείς: Κωτσιαντής, Σωτήρης
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2016
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/9344
id nemertes-10889-9344
record_format dspace
spelling nemertes-10889-93442022-09-05T14:10:43Z Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας Computer vision and machine learning for sign language gesture recognition Καζλάροφ, Βαγγέλ Κωτσιαντής, Σωτήρης Αλεβίζος, Παναγιώτης Γράψα, Θεοδούλα Kazllarof, Vangjel Περιγράμματα Κυρτές θήκες Χειρονομίες Υπολογιστική όραση Μηχανική μάθηση Δέντρα απόφασης Contours Convex hulls Convexity defects Random forest Gestures Computer vision Machine learning Decision trees Defects 006.3 Η διπλωματική αυτή εργασία παρουσιάζει την όραση των υπολογιστών που σε συνδυασμό με τη χρήση μεθόδων μηχανικής μάθησης, μπορούν να δημιουργήσουν εφαρμογές που αναγνωρίζουν μοτίβα, όπως χειρονομίες. Αρχικά, γίνεται μια ιστορική αναδρομή στις επιστήμες της υπολογιστικής όρασης και της μηχανικής μάθησης, όπως και στην αναγνώριση χειρονομιών. Στη συνέχεια, αναλύεται περισσότερο η υπολογιστική όραση, μελετώντας αλγόριθμους εύρεσης περιγράμματος και κυρτής θήκης αντικειμένων, και μεθόδων βελτίωσής τους μέσα από την επεξεργασία εικόνας. Εν συνεχεία, γίνεται αναφορά σε μεθόδους μηχανικής μάθησης, εστιάζοντας στους αλγόριθμους ταξινόμησης και ιδιαίτερα στον Random Forest ταξινομητή. Τέλος, κατασκευάζεται και αναλύεται μια εφαρμογή, η οποία αναγνωρίζει δεκαεφτά χειρονομίες μέσα από την εύρεση του περιγράμματός τους και της κυρτής τους θήκης, δημιουργώντας έτσι και εκπαιδεύοντας ένα σύνολο δεδομένων αποτελούμενο από τις αποστάσεις μεταξύ του περιγράμματος και της κυρτής θήκης. Επιπλέον, η εφαρμογή είναι ικανή να υπολογίζει αριθμητικές πράξεις, να κατασκευάζει πίνακες και να εφαρμόζει άλγεβρα πινάκων όπως επίσης και να υπολογίζει συναρτήσεις και να εφαρμόζει ανάλυση μιας μεταβλητής, μέσα από χειρονομίες και ενός βοηθητικού πάνελ. This master thesis presents the computer vision in combination with machine learning techniques, in order to develop applications that recognize patterns, such as hand gestures. Initially, there is a throwback to the disciplines of computer vision and machine learning, in addition to the recognition of hand gestures. Then, there is a deeper analysis in computer vision, by studying contour finding and convex hull algorithms, and the way they are improved through image processing. After that, there is a reference in machine learning techniques, focusing on classification algorithms, especially the Random Forest classifier. Finally, an application is developed and analyzed, which recognizes seventeen hand gestures, through their contour and the convex hull, and by generating and training a dataset with the defects. Additionally, the application is capable of arithmetic calculations, of constructing matrices and applying basic algebra on them as well as of creating functions and applying analysis, through hand gestures and a helper panel. 2016-06-09T12:52:35Z 2016-06-09T12:52:35Z 2016-02-29 Thesis http://hdl.handle.net/10889/9344 gr 0 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Περιγράμματα
Κυρτές θήκες
Χειρονομίες
Υπολογιστική όραση
Μηχανική μάθηση
Δέντρα απόφασης
Contours
Convex hulls
Convexity defects
Random forest
Gestures
Computer vision
Machine learning
Decision trees
Defects
006.3
spellingShingle Περιγράμματα
Κυρτές θήκες
Χειρονομίες
Υπολογιστική όραση
Μηχανική μάθηση
Δέντρα απόφασης
Contours
Convex hulls
Convexity defects
Random forest
Gestures
Computer vision
Machine learning
Decision trees
Defects
006.3
Καζλάροφ, Βαγγέλ
Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
description Η διπλωματική αυτή εργασία παρουσιάζει την όραση των υπολογιστών που σε συνδυασμό με τη χρήση μεθόδων μηχανικής μάθησης, μπορούν να δημιουργήσουν εφαρμογές που αναγνωρίζουν μοτίβα, όπως χειρονομίες. Αρχικά, γίνεται μια ιστορική αναδρομή στις επιστήμες της υπολογιστικής όρασης και της μηχανικής μάθησης, όπως και στην αναγνώριση χειρονομιών. Στη συνέχεια, αναλύεται περισσότερο η υπολογιστική όραση, μελετώντας αλγόριθμους εύρεσης περιγράμματος και κυρτής θήκης αντικειμένων, και μεθόδων βελτίωσής τους μέσα από την επεξεργασία εικόνας. Εν συνεχεία, γίνεται αναφορά σε μεθόδους μηχανικής μάθησης, εστιάζοντας στους αλγόριθμους ταξινόμησης και ιδιαίτερα στον Random Forest ταξινομητή. Τέλος, κατασκευάζεται και αναλύεται μια εφαρμογή, η οποία αναγνωρίζει δεκαεφτά χειρονομίες μέσα από την εύρεση του περιγράμματός τους και της κυρτής τους θήκης, δημιουργώντας έτσι και εκπαιδεύοντας ένα σύνολο δεδομένων αποτελούμενο από τις αποστάσεις μεταξύ του περιγράμματος και της κυρτής θήκης. Επιπλέον, η εφαρμογή είναι ικανή να υπολογίζει αριθμητικές πράξεις, να κατασκευάζει πίνακες και να εφαρμόζει άλγεβρα πινάκων όπως επίσης και να υπολογίζει συναρτήσεις και να εφαρμόζει ανάλυση μιας μεταβλητής, μέσα από χειρονομίες και ενός βοηθητικού πάνελ.
author2 Κωτσιαντής, Σωτήρης
author_facet Κωτσιαντής, Σωτήρης
Καζλάροφ, Βαγγέλ
format Thesis
author Καζλάροφ, Βαγγέλ
author_sort Καζλάροφ, Βαγγέλ
title Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
title_short Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
title_full Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
title_fullStr Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
title_full_unstemmed Υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
title_sort υπολογιστική όραση και μηχανική μάθηση για αναγνώριση συμβόλων νοηματικής γλώσσας
publishDate 2016
url http://hdl.handle.net/10889/9344
work_keys_str_mv AT kazlarophbangel ypologistikēorasēkaimēchanikēmathēsēgiaanagnōrisēsymbolōnnoēmatikēsglōssas
AT kazlarophbangel computervisionandmachinelearningforsignlanguagegesturerecognition
_version_ 1771297247059771392