Τεχνικές μηχανικής μάθησης εφαρμοσμένες στην άυλη πολιτιστική κληρονομιά
| dc.contributor.advisor | Κυριαζής, Δημοσθένης | |
| dc.contributor.author | Γεωργούλας, Ιωάννης | |
| dc.date.accessioned | 2019-02-21T10:06:32Z | |
| dc.date.available | 2019-02-21T10:06:32Z | |
| dc.date.issued | 2018-12 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/11871 | |
| dc.description.abstract | Στόχος της επιδιωκόμενης ερευνητικής μελέτης και παρούσας διπλωματικής εργασίας είναι η μελέτη διαφόρων τεχνικών μηχανικής μάθησης με σκοπό την ψηφιοποίηση της άυλης πολιτιστικής κληρονομίας. Η παρούσα διπλωματική εργασία είναι δομημένη σε δύο διαφορετικές ενότητες, η κάθε μια από τις οποίες μελετάει και αναλύει μία διαφορετική εφαρμογή πάνω στην άυλη πολιτιστική κληρονομιά. Στην πρώτη ενότητα θα παρουσιαστεί μια εναλλακτική προσέγγιση σύνοψης της χορογραφίας. Αυτό σημαίνει ότι ένας πολύ μικρός αριθμός καρέ εικόνων εξάγονται με σκοπό να αντιπροσωπεύσουν μια χορογραφία, μειώνοντας έτσι σημαντικά την πολυπλοκότητα επεξεργασίας και αποθήκευσης. Στην προσέγγισή μας το πρόβλημα της συνοπτικής παρουσίασης της χορογραφίας αντιμετωπίζεται ως μια προσέγγιση μη εποπτευόμενης ομαδοποίησης. Στην δεύτερη ενότητα θα παρουσιαστεί ένα εκπαιδευτικό πλαίσιο για την ανάλυση και απεικόνιση της κινησιολογίας χορού βασισμένο στην εκμάθηση ενός σημειογραφικού συστήματος για την ανάλυση και επεξεργασία της ανθρώπινης κίνησης (Labanotation). Ο αισθητήρας Kinect χρησιμοποιείται για την εξαγωγή δεδομένων του σκελετού, τα οποία κατόπιν επεξεργάζονται και μετασχηματίζονται γεωμετρικά. Στη συνέχεια, αναλύονται με βάση το σύστημα Labanotation (σημειογραφικό σύστημα για την ανάλυση και επεξεργασία της ανθρώπινης κίνησης) για να χαρακτηρίσουν τη στάση των ανθρώπινων άκρων. | el |
| dc.format.extent | 48 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Τεχνικές μηχανικής μάθησης εφαρμοσμένες στην άυλη πολιτιστική κληρονομιά | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | The aim of the research study and present diploma thesis is the study of various machine learning techniques for the digitization of the intangible cultural heritage. This diploma thesis is structured in two different parts, each of which studies and analyzes a different application and framework on the intangible cultural heritage. In the first section will be presented an alternative approach to choreography summarization. This means that a very small number of key-frames from images are exported in order to represent a whole choreography, thus significantly reducing the processing and storage complexity. In our approach, the problem of the summary of choreography is treated as an approach of unsupervised clustering. In the second section, an educational framework will be presented for analysis and visualization of dance kinesiology based Labanotation and embodied learning concepts. The Kinect sensor is used to extract skeletal data, which are then processed and transformed geometrically. In the sequel they are analyzed based on the Labanotation system to characterize the posture of the human limbs. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Intangible cultural heritage | el |
| dc.subject.keyword | Human motion | el |
| dc.subject.keyword | Choreography | el |
| dc.subject.keyword | Kinect | el |
| dc.date.defense | 2019-02-15 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές