Aplicación del aprendizaje profundo al reconocimiento de la actividad humana
Fecha:
16/07/2020Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
Este trabajo tiene como objetivo aplicar técnicas de aprendizaje profundo para el
reconocimiento de la actividad humana. Se han definido e implementado cuatro modelos de
red neuronal y se han entrenado con los datos obtenidos a partir de sensores vestibles,
colocados en personas que estaban realizando distintas actividades físicas. El conjunto de
datos de entrenamiento contiene información realista, teniendo en cuenta el concepto de
desplazamiento gradual. Tras la evaluación de los modelos de red propuestos, se observa
que las redes recurrentes, al gestionar mejor las series temporales de datos, tienen mayor
precisión a la hora de reconocer las actividades. Por otra parte, se ha comprobado que las
redes convolucionales mejoran la extracción de características y, estableciendo modelos
híbridos, pueden potenciar la capacidad expresiva de las redes recurrentes.
Descripción:
This paper aims to apply deep learning techniques for the recognition of human activity. Four
neural network models have been defined and implemented and have been trained with the
data obtained from wearable sensors, placed on people who were carrying out different
physical activities. The training dataset contains realistic information, taking into account the
concept of gradual displacement. After evaluating the proposed network models, it is observed
that the recurrent networks, by better managing the time series of data, have greater precision
in recognizing the activities. On the other hand, convolutional networks have been shown to
improve the extraction of characteristics and, by establishing hybrid models, can enhance the
expressive capacity of recurrent networks.
Ficheros en el ítem
