Klasifikácia neštandardného ľudského správania sa pomocou navrhnutej 3DCNN neurónovej siete
Loading...
Date
2022-03-08
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
International Society for Science and Engineering, o.s.
Abstract
At present, due to the rapid development of technology, there is a growing interest in the use of neural networks not only in various scientific research areas but also in several industries. Simultaneously with this growing interest, various possibilities for the implementation of neural networks are developing, not only in the field of medicine in determining various diagnoses, but also in game development or in classifying and predicting various multimedia information obtained from video data. When classifying video data, we proceed from the basic principle of object detection in individual image data. Object detection itself is used as a tool for various applications. When classifying individual video sequences, it is necessary to consider the time sequence. For this purpose, ConvLSTM (Long-Term Memory Convolutional Neural Network) as well as 3DCNN (3D Convolutional Neural Network) are used to detect objects in the video sequence. In our case, we will focus on the detection of non-standard human activity from video data, using the proposed 3DCNN neural network architecture. This method of detecting information from these data is a great help in the classification of human activities itself. In our research, using the UCF YouTube Action database, we achieve an accuracy value of 87.2%, a completeness value of 85.6% and an F1 parameter value of 86.5%. For a more comprehensive comparison of the achieved results, the proposed neural network architecture was compared with the complete database UCF50 and UCF101 and a modified version of the database UCF101. An accuracy of 84.4% was obtained when tested on a modified UCF101 database. On the other hand, using the complete UCF50 and UCF101 databases, the accuracy was 82.2% and 79.9%, respectively.
V súčasnosti je v dôsledku rýchleho vývoja technológií čoraz väčší záujem o využitie neurónových sietí nielen v rôznych vedecko-výskumných oblastiach ale aj vo viacerých odvetviach priemyslu. Súčasne s týmto narastajúcim záujmom sa rozvíjajú rôzne možnosti implementácie neurónových sietí a to nielen v oblasti medicíny pri určovaní rôznych diagnóz, ale aj pri vývoji hier či pri klasifikácii a predikcii rôznych multimediálnych informácií získaných z video dát. Pri klasifikácii video dát vychádzame zo základného princípu detekcie objektov v jednotlivých obrazových dátach. Samotná detekcia objektov sa používa ako nástroj pre rôzne aplikácie. Pri klasifikácii jednotlivých video sekvencií je potrebné brať do úvahy časovú nadväznosť. Za týmto účelom sa na detekciu objektov vo video sekvencii používa ConvLSTM (Konvolučná neurónová sieť s dlhodobou pamäťou), ako aj 3DCNN (3D Konvolučná neurónová sieť). V našom prípade sa zameriame na detekciu neštandardnej ľudskej činnosti z video dát, po-mocou navrhnutej architektúry 3DCNN neurónovej siete. Tento spôsob detekcie informácií z týchto dát je veľkým pomocníkom pri samotnej klasifikácii ľudských činností. V rámci nášho výskumu dosahujeme využitím UCF YouTube Action databázy hodnotu presnosti 87,2 %., úplnosti 85,6 % a hodnotu parametra F1 86,5 %. Pre komplexnejšie porovnanie dosiahnutých výsledkov bola navrhnutá architektúra neurónovej siete porovnaná s úplnou databázou UCF50 a UCF101 a upravenou verziou databázy UCF101. Pri testovaní na modifikovanej UCF101 databáze bola získaná presnosť 84,4 %. Na druhej strane pri použití úplnej databázy UCF50 a UCF101 bola presnosť 82,2 % a 79,9 %.
V súčasnosti je v dôsledku rýchleho vývoja technológií čoraz väčší záujem o využitie neurónových sietí nielen v rôznych vedecko-výskumných oblastiach ale aj vo viacerých odvetviach priemyslu. Súčasne s týmto narastajúcim záujmom sa rozvíjajú rôzne možnosti implementácie neurónových sietí a to nielen v oblasti medicíny pri určovaní rôznych diagnóz, ale aj pri vývoji hier či pri klasifikácii a predikcii rôznych multimediálnych informácií získaných z video dát. Pri klasifikácii video dát vychádzame zo základného princípu detekcie objektov v jednotlivých obrazových dátach. Samotná detekcia objektov sa používa ako nástroj pre rôzne aplikácie. Pri klasifikácii jednotlivých video sekvencií je potrebné brať do úvahy časovú nadväznosť. Za týmto účelom sa na detekciu objektov vo video sekvencii používa ConvLSTM (Konvolučná neurónová sieť s dlhodobou pamäťou), ako aj 3DCNN (3D Konvolučná neurónová sieť). V našom prípade sa zameriame na detekciu neštandardnej ľudskej činnosti z video dát, po-mocou navrhnutej architektúry 3DCNN neurónovej siete. Tento spôsob detekcie informácií z týchto dát je veľkým pomocníkom pri samotnej klasifikácii ľudských činností. V rámci nášho výskumu dosahujeme využitím UCF YouTube Action databázy hodnotu presnosti 87,2 %., úplnosti 85,6 % a hodnotu parametra F1 86,5 %. Pre komplexnejšie porovnanie dosiahnutých výsledkov bola navrhnutá architektúra neurónovej siete porovnaná s úplnou databázou UCF50 a UCF101 a upravenou verziou databázy UCF101. Pri testovaní na modifikovanej UCF101 databáze bola získaná presnosť 84,4 %. Na druhej strane pri použití úplnej databázy UCF50 a UCF101 bola presnosť 82,2 % a 79,9 %.
Description
Keywords
Citation
Elektrorevue. 2022, vol. 24, č. 1, s. 14-20. ISSN 1213-1539
http://elrevue.utko.feec.vutbr.cz/index.php/Elektrorevue/article/view/180/188
http://elrevue.utko.feec.vutbr.cz/index.php/Elektrorevue/article/view/180/188
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
sk
Study field
Comittee
Date of acceptance
Defence
Result of defence
Document licence
(C) 2022 Elektrorevue