الفهرس 
Human Action Recognition Using Deep Learning
IntroductionOnly 14 pages are availabe for public view
 |  | from | 86 |  |  |
| | | from | 86 | | |
Abstract
مع التقدم السريع في متطلبات تطبيقات رؤية الحاسب، أصبح التعرف على حركة الإنسان ضروريًا في نظام رؤية الحاسب. ويرجع ذلك إلى الزيادة السريعة في كمية تسجيلات الفيديو والعدد الكبير من التطبيقات القائمة على تحليل الفيديو التلقائي مثل المراقبة المرئية وواجهات الجهاز البشري وتحليل الفيديو الرياضي واسترجاع الفيديو. تستخدم تقنيات التعلم الآلي البيانات (الصور، الإشارات، النصوص) لتدريب آلة (أو نموذج) لأداء مهمة مثل تصنيف الصور، أو اكتشاف الأشياء، أو التعرف على الإجراءات البشرية، أو ترجمة اللغة. لا تزال تقنيات التعلم الآلي الكلاسيكية مستخدمة لحل مشكلات تصنيف الصور الصعبة. ومع ذلك، فإنها لا تعمل بشكل جيد عند تطبيقها مباشرة على الصور، لأنها تتجاهل بنية الصور وطبيعتها التركيبية. تعالج الشبكات العصبية الملتفة العميقة (CNNs) الفجوات في تقنيات التعلم الآلي التقليدية، وتغير الطريقة التي نحل بها هذه المشكلات. لا تقوم شبكات CNN بالتصنيف فحسب، بل يمكنها أيضًا تعلم كيفية استخراج الملامح مباشرة من الصور الأولية، مما يلغي الحاجة إلى استخراج الملامح يدويًا.الهدف الرئيسي من هذه الأطروحة هو تطوير خوارزمية للتعرف على الإجراءات البشرية باستخدام شبكات CNN المحسّنة للحصول على الملامح (التنشيطات) ثم التعرف على الإجراء باستخدام (GRU) كشبكة عصبية متكررة. ثم تطبيق الخوارزمية الثانية على نظام التعرف على لغة الإشارة المصرية.