| Abstrakt: | Cieľom tejto práce je analyzovať a porovnať metódy, ktoré ponúka súčasný vedecký pokrok v oblasti učenia s učiteľom, použiteľné pre rozpoznávanie gest za účelom ich následnej aplikácie pre komunikáciu človeka s humanoidným robotom založenej na gestách.
Na klasifikáciu gest sú v našej práci použité a porovnané rekurentná neurónová sieť využívajúca GRU jednotky majúca výborné výsledky v oblasti rozpoznávania gest a všeobecne aplikovateľné a dlho známe metódy strojového učenia: metóda podporných vektorov a náhodný les.
Uvedené metódy sú v našej práci porovnávané na vybranom datasete, ktorý bol vytvorený pomocou technológie založenej na extrakcii dát o pozícii rúk v priestore zo záznamov infračervených kamier. Dataset obsahuje šesť typov záznamov gest.
Výsledkom našej práce, po trénovaní a testovaní použitia uvedených metód na našom datasete, je prekvapivá porovnateľnosť výkonnosti rekurentnej neurónovej siete a metódy podporných vektorov/náhodného lesa, pričom najlepšia dosiahnutá testovacia presnosť klasifikácie bola 80%.
Výsledky našej práce môžu byť priamo použité pri implementácii komunikácie s humanoidným robotom, prípadne na ne môže byť nadviazané ďalšou sadou experimentov.
|
|---|