Συσταδοποίηση κινησιογραμμάτων Ελληνικού Παραδοσιακού Χορού με χρήση τεχνικών Βαθιάς Μάθησης

Δουκίδη, Αγγελική-Ελένη; Doukidi, Angeliki-Eleni

dc.contributor.author	Δουκίδη, Αγγελική-Ελένη	el
dc.contributor.author	Doukidi, Angeliki-Eleni	en
dc.date.accessioned	2024-05-14T09:04:36Z
dc.date.available	2024-05-14T09:04:36Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59356
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27052
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	Σημειογραφία Χορευτικής κίνησης	el
dc.subject	Ελληνικός Παραδοσιακός Χορός	el
dc.subject	Συσταδοποίηση	el
dc.subject	Βαθιά Μάθηση	el
dc.subject	Μεταφορά Μάθησης	el
dc.subject	Dance Notation	en
dc.subject	Greek Folk Dance	en
dc.subject	Clustering	en
dc.subject	Deep Learning	en
dc.subject	Transfer Learning	en
dc.title	Συσταδοποίηση κινησιογραμμάτων Ελληνικού Παραδοσιακού Χορού με χρήση τεχνικών Βαθιάς Μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-11-10
heal.abstract	Ο Χορός είναι μια μορφή τέχνης, μια αντανάκλαση συναισθημάτων και ιδεών στην κίνηση του σώματος. Αποτελούσε ανέκαθεν ένα μέσο επικοινωνίας και ανταλλαγής, μεταβίβασης γνώσεων και εθιμοτυπικών παραδόσεων, αλλά και συνάμα ψυχαγωγίας των ανθρώπων όλων των κοινωνιών. Ανάμεσα στα πολυάριθμα είδη χορών που υπάρχουν, ωστόσο, ξεχωρίζει ο Ελληνικός Παραδοσιακός Χορός, μια πολιτισμική κληρονομιά ανεκτίμητης αξίας που καθρεφτίζει την ελληνική κουλτούρα και διασφαλίζει τη διατήρηση της διαφορετικότητας σε μια περίοδο πολιτισμικής ομογενοποίησης. Για τη μετάδοσή του, όμως, από γενιά σε γενιά, αναγκαία κρίνεται η ύπαρξη γραπτών τεκμηρίων, με άλλα λόγια, η καταγραφή του. Ανά τα χρόνια, έχουν δημιουργηθεί διαφορετικά συστήματα σημειογραφίας της χορευτικής κίνησης, σε μια προσπάθεια όσο το δυνατόν ακριβέστερης αποτύπωσής της στο χαρτί. Αυτές οι αλληλουχίες κινήσεων που πλέον, στην πλειοψηφία τους, συντάσσονται και διατηρούνται σε ψηφιακή μορφή, ονομάζονται κινησιογράμματα. Παρά τις ραγδαίες εξελίξεις στον τομέα της τεχνολογίας, τα τελευταία μόνο χρόνια η επιστημονική κοινότητα αναγνωρίζει τη σπουδαιότητα και στρέφει το ενδιαφέρον της προς τη μελέτη της καταγραφής του χορού. Πράγματι, αποτελεί ένα πεδίο που βρίσκεται σε φάση εξέλιξης, με εκτεταμένες μελέτες και νέα, πρωτοποριακά πειράματα να λαμβάνουν χώρα σε παγκόσμιο επίπεδο. Με τις σύγχρονες τεχνικές Βαθιάς Μάθησης, δε, να ξεπερνούν κάθε προσδοκία και αξιοποιώντας τις απύθμενες δυνατότητες που μας προσφέρουν, φαίνεται να ανοίγει ο δρόμος προς περαιτέρω εμβάθυνση, ανάλυση και επεξεργασία των κινησιογραμμάτων, τα οποία, βέβαια, αποτελούν ακόμη μεγάλη πρόκληση για τους ειδικούς λόγω της πολυπλοκότητάς τους. Στην παρούσα διπλωματική εργασία, σε μια προσπάθεια σύνδεσης των επιστημονικών πεδίων της Βαθιάς Μάθησης με τη Σημειογραφία του Χορού, μελετάται ο διαχωρισμός σε συστάδες κινησιογραμμάτων που αναπαριστούν παραδοσιακούς χορούς της Ελλάδας, ανάλογα με την κατηγορία του χορού στην οποία ανήκουν. Αρχικά, γίνεται κατάλληλη προεπεξεργασία των δεδομένων, έτσι ώστε αυτά να χρησιμοποιηθούν σαν είσοδος σε οχτώ διαφορετικές αρχιτεκτονικές Συνελικτικών Νευρωνικών Δικτύων, οι οποίες λειτουργούν ως εξαγωγείς των χρήσιμων χαρακτηριστικών τους. Ακολουθούν τεχνικές μείωσης της διαστατικότητάς τους, ώστε τα στοιχεία αυτά να τροφοδοτηθούν σε αλγόριθμο Συσταδοποίησης, ο οποίος αποφέρει και τα τελικά αποτελέσματα. Η έρευνα ολοκληρώνεται με επιλογή των βέλτιστων αρχιτεκτονικών βάσει της αξιολόγησης των πειραμάτων.	el
heal.abstract	Dance is a form of art, a reflection of emotions and ideas in the movement of the body. It has been a means of communication and knowledge exchange for centuries, preserving cultural heritage and providing entertainment to people across different societies. Among the many dance genres, Greek Folk Dance stands out. It is an invaluable cultural heritage that reflects Greek culture and ensures the preservation of diversity during a period of cultural homogenization. However, the transmission of Greek Folk Dance from generation to generation requires written documentation, a form of dance notation. Over the years, various systems of dance notation have been developed in an attempt to accurately capture dance movements on paper. Nowadays, most of these movement sequences have been organized and preserved in digital formats, commonly referred to as kinetograms. Despite rapid advancements in technology, only in recent years the scientific community has recognized the importance of the dance notation as research field. It is indeed a field that is evolving, with extensive research and innovative experiments taking place worldwide. With modern Deep Learning techniques exceeding all expectations and utilizing their vast capabilities, it seems that a path towards further in-depth analysis and processing of kinetograms is opening up. However, these kinetograms still present a significant challenge due to their complexity. In this diploma thesis, an attempt is made, so as to bridge the scientific fields of Deep Learning with Dance Notation. The research focuses on clustering kinetograms representing traditional Greek dances based on their dance category. Initially, the data is preprocessed so as to be used as input for eight different Convolutional Neural Network architectures, which act as feature extractors. Dimensionality reduction techniques follow to prepare the extracted features for clustering. The clustering algorithm is then applied, yielding the final results. The research concludes with the selection of the best architectures based on experimental evaluations.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Ελ Ράχεμπ, Κατερίνα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	167 σ.	el
heal.fullTextAvailability	false