使用EfficientNet-B7 (CNN),变化自动编码器 (VAE) 和罗双胞胎网络来评估人类的炼作为TSSCI图像中的超级对象
Yoram Segal1, Ofer Hadar1, Lenka Lhotska2
1School of Electrical and Computer Engineering, Ben Gurion University of the Negev, Be'er-Sheva 84105001, Israel.
Journal of personalized medicine
|May 27, 2023
概括
这项研究提出了一种新的方法,以静态图像表示人类运动,简化了远程医疗保健和健身应用的分析. 这种方法使自动运动检测,比较和生成成为可能,克服了手动标签和同步挑战.
科学领域:
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
- 人与计算机的交互
背景情况:
- 当前的人类运动分析方法往往需要手动标记,并与同步作斗争.
- 远程医疗保健和健身应用程序需要有效和准确的运动评估工具.
研究的目的:
- 引入一种新的方法,将人类运动作为2D图像中的静态超级对象.
- 为了实现人类运动的自动分析,比较和生成,用于物理治疗和健身等应用.
- 在运动分析中克服手动标签,开始/结束检测和同步问题的局限性.
主要方法:
- 在二维图像中,将人类运动表现为静态超级物体.
- 使用变化自编码器 (VAE) 模拟器进行运动生成.
- 在一个语双神经网络中使用EfficientNet-B7分类器进行运动验证和评分.
主要成果:
- 证明了健身练习的自动验证和评分.
- 展示了类似的人类骨运动的生成,解决了深度学习的数据稀缺问题.
- 验证了超级对象概念的多功能性,用于测量,分类和生成人类手势.
结论:
- 拟议的静态超物体方法为人类运动分析提供了一种多功能和高效的方法.
- 这一创新对远程医疗,物理治疗和基于深度学习的应用有着重大影响.
- 该方法消除了手动标签和同步问题,为在人类行为分析中更广泛采用铺平了道路.
