prikaz prve stranice dokumenta PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2016. urn:nbn:hr:190:011496
Volf, Maja
Sveučilište u Rijeci
Tehnički fakultet

Citirajte ovaj rad

Volf, M. (2016). PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, Maja. "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2016. https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, Maja. "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2016. https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf, M. (2016). 'PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 20.04.2024., https://urn.nsk.hr/urn:nbn:hr:190:011496

Volf M. PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2016 [pristupljeno 20.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:011496

M. Volf, "PRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2016. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:011496

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:011496
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPRIMJENA METODE POTPORNIH VEKTORA ZA KLASIFIKACIJU OBJEKATA SA 3D SENZORA
AutorMaja Volf
MentorKristijan Lenac (mentor)
Član povjerenstvaŽeljko Jeričević (predsjednik povjerenstva)
Član povjerenstvaKristijan Lenac (član povjerenstva)
Član povjerenstvaJonatan Lerga (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
Rijeka
Datum i država obrane2016-05-31, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Prethodnih dva desetljeća, uz razvoj autonomnih i pametnih sustava, raste interes za tehnikama koje omogućuju što bolju obradu podataka koje takvi sustavi obraĎuju sa svrhom spoznaje okolnog svijeta. Takve tehnike većinski spadaju pod okrilje strojnog učenja, pod koje spada i metoda potpornih vektora (Support Vector Machine - SVM). U ovom radu objasnila sam primarne podjele strojnog učenja, na koji način se SVM uklapa u disciplinu te zatim teoretsku osnovu rada SVM-a. Nakon toga slijedi opis formata za dubinske snimke te pregled kamera koje ih mogu snimati i koje su često korištene. U praktičnom dijelu rada navodim alate koji koriste više metoda strojnog učenja, uključujući i metodu potpornih vektora, te moje rezultate istraţivanja i testiranja Ground Based People Detector algoritma koji pronalazi osobe na dubinskim snimkama sa Kinect 3D kamere.
Sažetak (engleski)
The last two decades have, alongside autonomous and smart system development, seen an increased interest for techniques that improve data analysis of said systems with the goal of sensing their surroundings. Such techniques are mostly part of the machine learning discipline, as is the support vector machine (SVM). In this paper, I have elaborated the primary machine learning categories, the way SVM is incorporated into them and also the fundamental theoretical background for SVM. Following that is a review of basic depth image formats and corresponding cameras that are often used for capturing them. The practical sections consist of reviews for machine learning toolkits which often implement several different methods including the support vector machine; as well as my research and testing on the Ground Based People Detector algorithm which uses Kinect depth data to find people in 3D images.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:011496
Studijski programNaziv: Strojarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
RepozitorijRepozitorij Tehničkog fakulteta u Rijeci
Datum i vrijeme pohrane2016-06-06 13:10:03

(©) Nacionalna i sveučilišna knjižnica u Zagrebu 2015. Sva prava pridržana. | Hrvatske bratske zajednice 4 p.p. 550, 10000 Zagreb, Hrvatska Tel. ++ 385 1 616-4040
OIB: 84838770814 | IBAN: HR66 2340 0091 1000 1008 1, Porezni broj (PDV identifikacijski broj) - VAT Number: HR84838770814
Prijava u repozitorij