1. UKM Learning and Research Repository
2. PHD Thesis / Tesis PHD
3. Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Title:	Pengecaman semerta peristiwa jatuh menerusi kaedah pembelajaran mendalam
Authors:	Nur Ayuni Mohamed (P90328)
Supervisor:	Mohd Asyraf Zulkifley, Prof. Madya Dr.
Keywords:	Universiti Kebangsaan Malaysia -- Dissertations Dissertations, Academic -- Malaysia Peristiwa jatuh Pengecaman semerta
Issue Date:	22-Jan-2021
Description:	Peristiwa jatuh ditakrifkan sebagai suatu keadaan di mana seseorang rebah secara tidak sengaja ke tempat yang lebih rendah. Peristiwa jatuh merupakan penyebab kematian kedua terbesar bagi kategori kecederaan tidak sengaja berdasarkan statistik yang dikeluarkan oleh Pertubuhan Kesihatan Sedunia dengan anggaran sebanyak 646,000 kes. Terdapat banyak kaedah yang telah dibangunkan untuk mengesan peristiwa jatuh yang boleh dikelaskan kepada dua pendekatan iaitu kaedah berasaskan penglihatan dan penderia. Kelemahan utama kaedah berasaskan penglihatan adalah dari sudut kejituan, keteguhan dan kebolehpercayaan sistem terutamanya dalam situasi yang kompleks. Sementara itu, kaedah berasaskan penderia pula memerlukan subjek memakai peranti sepanjang masa yang menyebabkan ketidakselesaan. Justeru itu, suatu sistem pengecaman peristiwa jatuh yang lebih efektif diperlukan bagi menangani kekurangan kaedah sedia ada. Oleh itu, objektif utama kajian adalah untuk membangunkan sistem pengecaman semerta peristiwa jatuh (SPSPJ) berdasarkan pengecaman terhadap permulaan bingkai peristiwa jatuh menerusi kaedah pembelajaran mendalam (DL). Pembangunan SPSPJ melibatkan tiga fasa utama iaitu penjejakan objek tunggal (POT), pengecaman bingkai peristiwa jatuh (PBPJ) dan pengukuran prestasi. Fasa pertama iaitu fasa POT melibatkan pembangunan seni bina penjejak menerusi kaedah rangkaian neural konvolusi (CNN) yang terdiri daripada tiga lapisan perlingkaran dan tiga lapisan sambung-penuh (FC). Nilai awal pemberat untuk melatih lapisan perlingkaran diperoleh menerusi kaedah pemindahan pembelajaran yang diperoleh daripada model pra-latihan VGG-M. Sebaliknya, nilai awal bagi lapisan FC ditetapkan secara rawak. Kesemua lapisan perlingkaran dan FC turut dilatih dengan ketetapan 50 epok dan fungsi kehilangan Softmax entropi silang. Fasa ini turut melibatkan pelaksanaan kaedah pensampelan berketentuan (PT) bagi menghasilkan set sampel latihan positif dan negatif terhadap dua rantau berkepentingan yang diuji secara berasingan. Seterusnya, model penjejak akan dikemas kini menggunakan struktur pokok berbilang model. Di sini, suatu set nod FC akan dikekalkan berdasarkan peraturan model kepelbagaian, di mana nod induk model tampakan akan digantikan dengan nod anak yang mempunyai nilai skor tertinggi. Kemudian, data latihan positif dan negatif akan dijana berhampiran kotak pembatasan pada bingkai semasa dengan mengehadkan faktor nilai persilangan berbanding gabungan (IoU). Selanjutnya, kaedah tindanan LSTM regresi telah dijalankan dalam fasa PBPJ bagi membuat pengecaman terhadap permulaan bingkai peristiwa jatuh,...yang dilatih menggunakan trajektori yang diperoleh daripada fasa POT dengan pelaksanaan pengoptimuman Adam, kadar pembelajaran 0.000001 dan langkah masa,... = 10 bingkai untuk 1000 epok.... ditentukan dengan pencarian nilai perbezaan skor keluaran,.. terbaik. Hasil kajian menunjukkan seni bina CNN cadangan bagi proses penjejakan kepala menghasilkan keputusan terbaik dengan metriks pengukuran kawasan pertindihan jangkaan, kejituan, keteguhan dan kebolehpercayaan masing-masing adalah 0.1718, 0.4871, 0.4706 dan 0.8274. Masa pengecaman...adalah kurang dari satu saat yang menghasilkan purata ralat sebanyak 22 bingkai bagi konfigurasi kaedah tindanan LSTM dengan tiga lapisan. Kesimpulannya, kajian ini telah berjaya membangunkan SPSPJ melalui pelaksanaan kaedah-kaedah DL bagi memperbaiki sistem pengecaman terutamanya untuk aplikasi pengawasan di hospital dan juga penjagaan warga tua.,Ph.D.
Pages:	172
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.