基于人工智能的深度残留网络融合封闭的循环单元中舞蹈教学系统的分析
1Academy of Music, Suihua University, Suihua, 152000, China. limengyingshxy@163.com.
Scientific reports
|January 8, 2025
概括
本研究介绍了一种用于舞蹈教学的人工智能模型,通过图表注意力和BiGRU改进动作识别. 该模型达到高精度,为舞者提供个性化的反.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 教育技术的教育技术
背景情况:
- 传统舞蹈教学缺乏个性化的反.
- 人工智能和深度学习为增强教育工具提供了潜力.
- 自动舞蹈动作识别对于智能辅导系统至关重要.
研究的目的:
- 研究AI和深度学习在舞蹈教学中的应用.
- 开发一种用于舞蹈动作识别和反的新模式.
- 为了提高舞蹈教育的智力和个性化.
主要方法:
- 开发了一个舞蹈动作识别模型,使用3D-ResNet,双向门循环单元 (BiGRU) 和图形注意力 (GA).
- 使用3D-ResNet提取的视频功能和使用BiGRU捕获的时间序列功能.
- 采用GA来动态调整节点重量以改善动作识别.
主要成果:
- 在舞蹈动作识别方面获得了85.34%的F1分数.
- 在NTU-RGBD60数据集上,比3D卷积神经网络 (3D-CNN) 的基线高出5%以上的最大精度.
- 在测试/训练时间和低CPU占用率方面表现出高效率.
结论:
- 开发的模型在复杂的舞蹈动作识别方面表现出强大的竞争力.
- 为未来的舞蹈教学提供高效和个性化的技术支持.
- 为教育工作者提供一种有价值的工具,以增强学生的学习体验.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
3.9K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.6K
