• English
    • Latviešu
    • Deutsch
    • русский
  • Help
  • русский 
    • English
    • Latviešu
    • Deutsch
    • русский
  • Войти
Просмотр элемента 
  •   Главная
  • B4 – LU fakultātes / Faculties of the UL
  • A -- Eksakto zinātņu un tehnoloģiju fakultāte / Faculty of Science and Technology
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses
  • Просмотр элемента
  •   Главная
  • B4 – LU fakultātes / Faculties of the UL
  • A -- Eksakto zinātņu un tehnoloģiju fakultāte / Faculty of Science and Technology
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses
  • Просмотр элемента
JavaScript is disabled for your browser. Some features of this site may not work without it.

Žestu atpazīšanas sistēmas realizācija Android lietotnē

Thumbnail
Открыть
302-71116-Brujevs_Dmitrijs_db15035.pdf (1.402Mb)
Автор
Brujevs, Dmitrijs
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Paikens, Pēteris
Дата
2019
Metadata
Показать полную информацию
Аннотации
Darbā apskatīta ideja vienkāršot lietojumprogrammas palaišanu, bez meklēšanas ar žestu palīdzību. Darbā tiek apskatītas dažas žestu apatzīšanās metodes, īpašu uzmanību pievēršot dziļajiem neironu tīkliem. Lai žestu iemācītos no dažiem paraugiem ir realizēta datu papildināšana ar daudziem pārveidotiem žestu variantiem. Tika veikti eksperimenti labāko tīkla parametru atrašanai. Praktiski realizēta Android lietojumprogramma, kas ļauj atpazīt žestus, un spēj uz tālruņa, bez interneta lietošanas, apmācīt modeli uz jauniem, lietotāja definētiem žestiem. Darba mērķi ir: ● izveidot papildus mehānismu viedtālruņa vadībai; ● labāku neironu tīklu meklēšana apmācot atpazīt jaunus žestus.
 
This thesis covers the task of simplifying finding and launching applications in a mobile devices. The work describes multiple methods for gesture recognition, with a focus on deep neural networks. In order to learn a gesture from a few examples, a data augmentation process is implemented. Experiments were performed to identify the best network hyperparameters. The solution was implemented as an Android application that can recognize gestures and perform training for new user defined gestures locally on the phone without Internet access. The main objectives of the work are: ● Creating an additional mechanism to control the smartphone ● Finding the best neural network for learning discernments of new gesture
 
URI
https://dspace.lu.lv/dspace/handle/7/47369
Collections
  • Bakalaura un maģistra darbi (EZTF) / Bachelor's and Master's theses [5770]

University of Latvia
Контакты | Отправить отзыв
Theme by 
@mire NV
 

 

Просмотр

Весь DSpaceСообщества и коллекцииДата публикацииАвторыНазванияТематикаЭта коллекцияДата публикацииАвторыНазванияТематика

Моя учетная запись

Войти

Статистика

Просмотр статистики использования

University of Latvia
Контакты | Отправить отзыв
Theme by 
@mire NV