Agnieszka Radziun: Opracowanie algorytmu klasyfikatora opartego o machine learning dla aktywności związanej z prowadzeniem samochodu.

BLOG

Jesteś tutaj: Home > Doniec Rafał Jan > Didactics - Dydaktyka > Najciekawsze prace końcowe > Dydaktyka > Najciekawsze tematy prac końcowych > Agnieszka Radziun: Opracowanie algorytmu klasyfikatora opartego o machine learning dla aktywności związanej z prowadzeniem samochodu.

Agnieszka Radziun: Opracowanie algorytmu klasyfikatora opartego o machine learning dla aktywności związanej z prowadzeniem samochodu.

Praca składa się z pięciu rozdziałów w ramach, których pracę podzielono na trzy zasadnicze części. W pierwszej teoretycznej, dotyczącej danych, części aplikacyjnej oraz części badawczej. Druga część aplikacyjna to skupiająca się na opisie procedowania danych wykorzystywanych do opracowania algorytmu. Część aplikacyjna to segment, w którym została opisana wybrana metoda klasyfikacji, zawiera informacje o wykorzystanym środowisku programistycznym oraz przedstawia etapy implementacji modelu. Ostatnia część to część badawcza, która ocenia skuteczność stworzonego modelu oraz pozwala na wysunięcie wniosków.

Najciekawsze tematy prac

Jeremi Krajewski: "Recognition of sign alphabet from EMG signal using convolutional neural networks."

This bachelor's thesis endeavors to scrutinize and instantiate the utilization of Convolutional Neural Networks (CNNs) for the nuanced task of classifying and detecting sign language alphabet symbols via Image Analysis and Electromyographic (EMG) signals, acquired through the instrumental deployment of an EMG MyoWare sensors. The research focal point centers on the meticulous analysis of images and EMG signals, with the primary aim of facilitating its practical use in everyday life. This endeavor was undertaken and classified by utilization of ResNet-50 architecture. The adoption of EMG signals as the input modality offers practical advantages, notably the detectability through limb-affixed devices, making it a feasible and integrable solution in daily life. The methodological simplicity of EMG signal analysis further contributes to the robustness of the system, overcoming challenges associated with environmental factors and ensuring consistency across diverse individuals.

Praca inżynierska stara się przeanalizować i zastosować użyteczność Splotowych Sieci Neuronowych w zadaniu klasyfikacji i detekcji symboli alfabetu języka migowego poprzez Analizę Obrazu oraz sygnały elektromiograficzne pozyskiwane za pomocą sensorów EMG MyoWare. Główny punkt badawczy skupia się na dokładnej analizie obrazów i sygnałów EMG, mając na celu ułatwienie ich praktycznego zastosowania w życiu codziennym. To przedsięwzięcie zostało podjęte i sklasyfikowane przy użyciu architektury ResNet-50. Wykorzystanie sygnałów EMG jako danej wejściowej niesie ze sobą praktyczne korzyści, zwłaszcza możliwość wykrywania za pomocą urządzeń przyczepionych do kończyn górnych, co czyni je aplikowalnymi w codziennym życiu. Metodyczna prostota analizy sygnałów EMG dodatkowo przyczynia się do solidności systemu, pokonując wyzwania związane z czynnikami środowiskowymi i zapewniając spójność w różnorodnych przypadkach.