Prepoznavanje osoba temeljem hoda primjenom dubokog učenja ; Recognition of people based on gait using deep learning

U ovome završnom radu testirane su različite modele i skupove podataka za treniranje neuralne mreže za prepoznavanje osoba na temelju hoda. Korišteni su modeli ResNet-18, ResNet-50 i VGG-16. Skupovi podataka na kojima su modeli trenirani su OUMVLP i CASIA-B. Testirani su i utjecaji različitih optimizacijskih funkcija i ostalih parametara modela poput veličine skupine i broja epoha na konačnu točnost modela. Zaključeno je da dublje rezidualne neuralne mreže poput ResNet postižu točnije rezultate na oba skupa podataka. Primijećen je i prostor za poboljšanja te je navedeno nekoliko metoda koje bi mogle dovesti do bolje točnosti. ; In this final work, different models and training datasets were tested for training a neural network for gait recognition. The models used were ResNet-18, ResNet-50, andVGG-16. The training datasets used were OUMVLP and CASIA-B. The impacts of different optimization functions and other model parameters such as batch size and number of epochs on the final accuracy of the models were also tested. It was concluded that deeper residual neural networks like ResNet achieve more accurate results on both datasets. Several methods have been identified that could lead to improved accuracy, indicating potential areas for improvement.