Knoll, Alois (Prof. Dr. habil.); Qiao, Hong (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 260d; DAT 815d
Kurzfassung:
Building a 3D human motion perception system in an efficient way remains non-trivial. This work presents two frameworks for the development of 3D human motion perception systems: autonomously feature learning with un-supervision and efficient system developing with randomization and discrimination. The major contribution of this thesis is the presentation of three advanced machine learning techniques, Un-supervision, discrimination and randomization, to guarantee the efficiency when developing 3D human motion perception system. Two applications of 3D human action and gesture recognition systems are developed to demonstrate the practicability of the approach.
«
Building a 3D human motion perception system in an efficient way remains non-trivial. This work presents two frameworks for the development of 3D human motion perception systems: autonomously feature learning with un-supervision and efficient system developing with randomization and discrimination. The major contribution of this thesis is the presentation of three advanced machine learning techniques, Un-supervision, discrimination and randomization, to guarantee the efficiency when developing 3...
»
Übersetzte Kurzfassung:
Ein Wahrnehmungssystem für menschliche 3D Bewegungen effizient zu bauen ist nachwievor nicht trivial. Diese Arbeit stellt 2 Frameworks zur Entwicklung von 3D Wahrnehmungssystemen menschlicher Bewegungen vor: autonomes Lernen von Features und effiziente Systementwicklung mit Randomisierung und Diskriminierung. Der größte Beitrag dieser Arbeit ist die Vorstellung dreier Machine Learning Techniken, Nicht-Überwachung, Diskriminierung und Randomisierung, um die Effizienz bei der Entwicklung von Wahrnehmungssystemen menschlicher Bewegung in 3D zu gewährleisten. Zwei Anwendungen des Erkennungssystems wurden entwickelt, um die Anwendbarkeit des Ansatzes unter Beweis zu stellen.
«
Ein Wahrnehmungssystem für menschliche 3D Bewegungen effizient zu bauen ist nachwievor nicht trivial. Diese Arbeit stellt 2 Frameworks zur Entwicklung von 3D Wahrnehmungssystemen menschlicher Bewegungen vor: autonomes Lernen von Features und effiziente Systementwicklung mit Randomisierung und Diskriminierung. Der größte Beitrag dieser Arbeit ist die Vorstellung dreier Machine Learning Techniken, Nicht-Überwachung, Diskriminierung und Randomisierung, um die Effizienz bei der Entwicklung von Wahrn...
»