Autorius, institucija: Roseline Oluwaseun Ogundokun, Kauno technologijos universitetas
Mokslo sritis, kryptis: technologijos mokslai, informatikos inžinerija, T007
Mokslinis vadovas: prof. dr. Rytis Maskeliūnas (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007)
Informatikos inžinerijos mokslo krypties disertacijos gynimo taryba:
prof. dr. Rimantas Butleris (Kauno technologijos universitetas, technologijos mokslai, informatikos inžinerija, T007) – pirmininkas
prof. habil. dr. Romualdas Baušys (Vilniaus Gedimino technikos universitetas, technologijos mokslai, informatikos inžinerija, T007)
prof. dr. Varadraj Gurupur (Centrinės Floridos universitetas, JAV, gamtos mokslai, informatika, N009)
prof. dr. Arnas Kačeniauskas (Vilniaus Gedimino technikos universitetas, technologijos mokslai, informatikos inžinerija, T007)
prof. dr. Filippo Sanfilippo (Agderio universitetas, Norvegija, gamtos mokslai, informatika, N009)
Disertacijos gynimas vyks Kauno technologijos universiteto Rektorato salėje (K. Donelaičio g. 73-402, Kaunas)
Su disertacija galima susipažinti Kauno technologijos universiteto bibliotekoje (Gedimino g. 50, Kaunas) ir internete:R. O. Ogundokun el. disertacija.pdf
© R. O. Ogundokun, 2026 „Disertacijos tekstą draudžiama kopijuoti, platinti, išleisti, viešai skelbti, įskaitant padarymą viešai prieinamu kompiuterių tinklais (internete), atgaminti bet kokia forma ir priemonėmis, įskaitant, bet neapsiribojant, elektroniniais, mechaniniais ar kitais būdais. Vadovaujantis Lietuvos Respublikos autorių teisių ir gretutinių teisių įstatymo 25 str. 1 dalimi, asmuo su negalia, kuriam kyla sunkumų perskaityti internete skelbiamos disertacijos dokumentą, ir kiek tai pateisinama konkrečia negalia, su prašymu dėl dokumento pateikimo kita forma turi kreiptis el. p. doktorantura@ktu.lt.“
Anotacija: Šioje daktaro disertacijoje pristatomi metodai, skirti nustatyti ir analizuoti žmogaus laikyseną iš dalinai uždengtų ir kitais būdais apribotų vaizdo duomenų, ypatingą dėmesį skiriant sudėtingoms realaus pasaulio sąlygoms, tokioms kaip uždengimas, maža vaizdo skiriamoji geba ir ribotas matomumas, kurios paprastai veikia vaizdo stebėjimo aplinkas. Šie iššūkiai neretai kyla sveikatos priežiūros stebėsenos ir išmaniųjų skaitmeninių sistemų taikymuose ir dažnai sumažina įprastinių laikysenos atpažinimo metodų tikslumą. Siekiant spręsti šias problemas, disertacijoje sukurti optimizuoti giliojo mokymosi modeliai, pagrįsti hiperparametrais sureguliuotu perkeliamuoju mokymusi, duomenų augmentacija ir lengvų konvoliucinių neuroninių tinklų architektūromis. Taip pat pristatomi hibridiniai modeliai, kuriuose giliojo mokymosi požymių išskyrimas derinamas su mašininio mokymosi klasifikatoriais, siekiant pagerinti tikslumą, apibendrinimą ir skaičiavimo efektyvumą. Siūlomi modeliai eksperimentiškai įvertinti naudojant skirtingus duomenų rinkinius, o sprendiniai parodė geresnius aptikimo rezultatus lyginant su esamomis alternatyvomis. Rezultatai parodė, kad siūlomi modeliai pasiekė didesnį tikslumą, patikimumą ir efektyvumą, bei potencialiai yra tinkami diegti ribotų išteklių stebėsenos sistemose. Disertacijoje pristatoma metodika gali būti praktiškai pritaikoma laikysenos aptikimui skaitmeninės sveikatos taikomosiose programose.