Show simple item record

Predicting targets in Multiple Object Tracking task
dc.contributor.advisorDěchtěrenko, Filip
dc.creatorCitorík, Juraj
dc.date.accessioned2017-06-02T07:28:27Z
dc.date.available2017-06-02T07:28:27Z
dc.date.issued2016
dc.identifier.urihttp://hdl.handle.net/20.500.11956/83122
dc.description.abstractCie©om tejto práce je určenie sledovaných cie©ov v úlohe sledovania viacerých objektov, pri ktorej účastník sleduje nieko©ko pohybujúcich sa objektov. Ana- lyzovali sme dáta pochádzajúce z 1148 pokusov vykonaných 20 účastníkmi. Z dát sme extrahovali rôzne príznaky a navrhli postup pre určovanie sledovaných cie©ov používajúci neurónové siete a skryté Markovove modely. Vykonali sme porovnanie úspešnosti týchto modelov a príznakov. Výsledky naznačujú že metódy strojového učenia umožňujú s ve©kou spo©ahlivos'ou určova' sledované ciele. 1cs_CZ
dc.description.abstractThe aim of this thesis is to predict targets in a Multiple Object Tracking (MOT) task, in which subjects track multiple moving objects. We processed and analyzed data containing object and gaze position information from 1148 MOT trials completed by 20 subjects. We extracted multiple features from the raw data and designed a machine learning approach for the prediction of targets using neural networks and hidden Markov models. We assessed the performance of the models and features. The results of our experiments show that it is possible to train a machine learning model to predict targets with very high accuracy. 1en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectMultiple Object Trackingcs_CZ
dc.subjectmachine learningcs_CZ
dc.subjecteye movementscs_CZ
dc.subjectMultiple Object Trackingen_US
dc.subjectmachine learningen_US
dc.subjecteye movementsen_US
dc.titlePredicting targets in Multiple Object Tracking tasken_US
dc.typediplomová prácecs_CZ
dcterms.created2016
dcterms.dateAccepted2016-09-12
dc.description.departmentDepartment of Software and Computer Science Educationen_US
dc.description.departmentKatedra softwaru a výuky informatikycs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId175043
dc.title.translatedPredicting targets in Multiple Object Tracking taskcs_CZ
dc.contributor.refereeBrunetto, Robert
dc.identifier.aleph002103285
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineTeoretická informatikacs_CZ
thesis.degree.disciplineTheoretical Computer Scienceen_US
thesis.degree.programInformatikacs_CZ
thesis.degree.programComputer Scienceen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csTeoretická informatikacs_CZ
uk.degree-discipline.enTheoretical Computer Scienceen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csCie©om tejto práce je určenie sledovaných cie©ov v úlohe sledovania viacerých objektov, pri ktorej účastník sleduje nieko©ko pohybujúcich sa objektov. Ana- lyzovali sme dáta pochádzajúce z 1148 pokusov vykonaných 20 účastníkmi. Z dát sme extrahovali rôzne príznaky a navrhli postup pre určovanie sledovaných cie©ov používajúci neurónové siete a skryté Markovove modely. Vykonali sme porovnanie úspešnosti týchto modelov a príznakov. Výsledky naznačujú že metódy strojového učenia umožňujú s ve©kou spo©ahlivos'ou určova' sledované ciele. 1cs_CZ
uk.abstract.enThe aim of this thesis is to predict targets in a Multiple Object Tracking (MOT) task, in which subjects track multiple moving objects. We processed and analyzed data containing object and gaze position information from 1148 MOT trials completed by 20 subjects. We extracted multiple features from the raw data and designed a machine learning approach for the prediction of targets using neural networks and hidden Markov models. We assessed the performance of the models and features. The results of our experiments show that it is possible to train a machine learning model to predict targets with very high accuracy. 1en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwaru a výuky informatikycs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 3-5, 116 36 Praha; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV