Ασαφείς Μηχανές Διανυσμάτων Υποστήριξης (SVM) για ανίχνευση αντικειμένων σε πραγματικό χρόνο

Σερέτης, Γεώργιος; Seretis, Georgios

dc.contributor.author	Σερέτης, Γεώργιος	el
dc.contributor.author	Seretis, Georgios	en
dc.date.accessioned	2015-07-22T08:37:00Z
dc.date.available	2015-07-22T08:37:00Z
dc.date.issued	2015-07-22
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41012
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.4517
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Μαθηματική Προτυποποίηση σε Σύγχρονες Τεχνολογίες στην Οικονομία”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μηχανές διανυσμάτων υποστήριξης	el
dc.subject	Ανίχνευση αντικειμένων	el
dc.subject	Μέθοδοι ανίχνευσης	el
dc.subject	Ασαφής λογική	el
dc.subject	TFS-SVMPC	el
dc.subject	Support vector machines	en
dc.subject	Object detection	en
dc.subject	Real time detection	en
dc.subject	Fuzzy logic	en
dc.subject	TFS-SVMPC	en
dc.title	Ασαφείς Μηχανές Διανυσμάτων Υποστήριξης (SVM) για ανίχνευση αντικειμένων σε πραγματικό χρόνο	el
dc.title	Fuzzy Support Vector Machines (SVM) for real time object detection	en
heal.type	masterThesis
heal.classification	Μαθηματική Προτυποποίηση	el
heal.classification	Mathematical Modeling	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-02-25
heal.abstract	Στην εργασία αυτή προτείνεται ένα Takagi-Sugeno (TS) ασαφές σύστημα, το οποίο εκπαιδεύεται μέσω μίας μηχανής διανυσμάτων υποστήριξης(supportvectormachine - SVM) με ανάλυση κύριων συνιστωσών (Principalcomponentanalysis - PCA) (TFS-SVMPC) και παρέχειανίχνευση αντικειμένων σε πραγματικό χρόνο. Η απόδοσή του συγκρίνεται με τις κυριότερες μεθόδους στο πεδίο αυτό. Το πρώτο μέρος του TFS-SVMPC ταξινομητή, βασίζεται σε έναν αλγόριθμοασαφούς ομαδοποίησης. Οι ελεύθερες παράμετροι σε αυτό το μέρος αφορούν στην ανάλυση κύριων συνιστωσών. Στη συνέχεια χρησιμοποιείται ένα γραμμικό SVM για να προσαρμόσει τις παραμέτρους και να δώσει στο σύστημα καλύτερη γενικευμένη επίδοση. Στην παρούσα εργασία το ανωτέρω σύστημα χρησιμοποιείται ως ταξινομητής σε ένα σύστημα ανίχνευσης αντικειμένων σε πραγματικό χρόνο. Το σύστημα αυτό αποτελείται από δύο στάδια. Το πρώτο στάδιο χρησιμοποιεί ένα χρωματικό ιστόγραμμα της ολικής χρωματικής απόχρωσης του αντικειμένου ως χαρακτηριστικό ανίχνευσης σε πραγματικό χρόνο. Το δεύτερο στάδιο χρησιμοποιεί γεωμετρία εξαρτώμενη από την εμφάνιση τοπικών (σημειακών) χρωμάτων, ως χρωματικό χαρακτηριστικό. Παρατίθεται σύγκριση με υπάρχοντες ταξινομητές και ανιχνευτικές μεθόδους, επιβεβαιώνοντας την καλή επίδοση της προτεινόμενης, βασισμένης στο μοντέλοTFS-SVMPC, μεθόδου ανίχνευσης.	el
heal.abstract	In this thesis a Takagi-Sugeno (TS) fuzzy system is proposed, which is trained by a support vector machine (SVM) with principal component analysis (PCA) (TFS-SVMPC) and provides real time object detection.Its performance is compared with the mostly used methods in this field. The first part of the TFS-SVMPC classifier is based on a fuzzy clustering algorithm. The free parameters in this part relate to the principal component analysis.Then a linear SVM is used to adjust the parameters and give the system a better general performance. In this thesis the above system is used as a classifier in a real time object detection system.This system includes two stages. In the first stage, a color histogram of the global color hue of the object is used as a real time detection feature. In the second stage, a dependent onthe appearance of local (point) colors geometry is used as a color feature.A comparison between the proposed method and existing classifiers and tentative methods is presented, confirming the good performance of the proposed, based on the TFS-SVMPC model, detection method.	en
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	65 σ.	el
heal.fullTextAvailability	true