RT info:eu-repo/semantics/bachelorThesis
T1 Redes de aprendizaje profundo para reconocimiento de actividades humanas: framework de pre-procesado y entrenamiento en Tensorflow
A1 Pardo Villalibre, Gonzalo
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Framework
K1 Aprendizaje automático
K1 Sensores ópticos
AB En esta memoria de Trabajo Fin de Grado se describe la elaboración de un framework especializado en el reconocimiento y clasificación de actividades humanas (problema HAR). Para ello, el autor se ha servido del uso de técnicas avanzas de aprendizaje automático y profundo aplicadas sobre dos bases de datos que contienen información de sensores ópticos (VICON) e inerciales (IMU). Dichos sensores aportarán información sobre la posición (vectores tridimensionales) u orientación (cuaterniones) de los sujetos bajo estudio que será utilizada por las redes neuronales en el proceso de clasificación.Se detalla la construcción del entorno de trabajo, diseñado bajo las máximas de sencillez y versatilidad, capaz de integrar múltiples bases de datos y no sólo aquellas dos utilizadas como fundamento en la confección de este documento1. Los resultados obtenidos sobre los conjuntos de datos públicos mencionados anteriormente tras haber sido procesados por el sistema confirman la eficacia del mismo llegando a una solución satisfactoria del problema.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/50023
UL https://uvadoc.uva.es/handle/10324/50023
LA spa
DS UVaDOC
RD 03-mar-2025