| Form of studies |
Professional Master |
| Title of the study programm |
Adaptronics |
| Title in original language |
Cilvēku skaitītāju sistēmu izpēte un attīstība |
| Title in English |
Human Counter System Research and Development |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Pēteris Apse-Apsītis |
| Reviewer |
Ingars Steiks |
| Abstract |
Pētījuma darba mērķis ir izpētīt dziļās mācīšanās un datorredzes potenciālu efektīvas cilvēku skaitītāju sistēmas izstrādē cilvēku pūļa apzinātai atklāšanai un apstrādei tādā vidē kā mazumtirdzniecības centru, lai varētu sniegt korektīvus ieteikumus par tās izvietošanu. Promocijas darba mērķis tiek sasniegts, izmantojot eksperimentālā pētījuma dizains, kurā ar python rīku tiek izstrādāts datorredzes un dziļās mācīšanās darbināms cilvēka skaitītāju sistēmas modelis, un tas tiek veikts, izmantojot kvantitatīvās datu analīzes tehniku. Ir analizēts, ka pieejamās cilvēku skaitītāju sistēmas nav efektīvas, lai apstrādātu un novērtētu reālus datus par pūli tādā sarežģītā vidē kā pārpildīta mazumtirdzniecība. veikaliem un dzelzceļa stacijām, kuru dēļ lēmumu pieņēmējiem kļūst sarežģīti identificēt indivīda kustību bez pārklāšanās oklūzijām un indivīdiem. Ir ieteicams dažādu vidi, piemēram, mazumtirdzniecības lielveikalu, organizāciju vadītājiem un lēmumu pieņēmējiem, lai izmantotu datorredzes un dziļas mācīšanās potenciālu. Cilvēka skaitītāju sistēmas modelis informētā un reāllaika vidē esošā cilvēka noteikšanā viegli ar lielāku precizitāti. Dziļās mācīšanās modeļu ieviešana cilvēku skaitītāju sistēmu izstrādē palīdz atpazīt jebkuru cilvēka kustību vidē bez jebkādas identificējamas informācijas, un tas galu galā. uzlabo ierīču kompetenci privātuma pārvaldības prasību un atbilstības izpildē. |
| Keywords |
Padziļināta mācīšanās, Mašīnmācība, Datorredze, Cilvēka skaitītāju sistēma |
| Keywords in English |
Deep learning, Machine learning, Computer vision, Human counter system |
| Language |
eng |
| Year |
2025 |
| Date and time of uploading |
27.03.2025 11:40:23 |
