HyperAIHyperAI

Command Palette

Search for a command to run...

التعلم متعدد الوسائط متعدد الأجزاء للتعرف على الحركات في مقاطع الفيديو العميقة

Shahroudy Amir Wang Gang Ng Tian-Tsong Yang Qingxiong

الملخص

إن الطبيعة المُركبة والمعقدة للإجراءات البشرية تجعل مهمة التعرف على هذه الإجراءات أمرًا صعبًا. إحدى الطرق المتبعة للتعامل مع هذه التعقيدات هي تقسيم الإجراءات إلى ديناميكيات أجزاء الجسم، ثم تحليل الإجراءات استنادًا إلى هذه الوصفات الجزئية. نقترح طريقة تعلم تعتمد على الانحدار النادر المشترك، والتي تستخدم الندرة المُنظَّمة لتمثيل كل إجراء كمزيج من السمات متعددة الوسائط المستمدة من مجموعة نادرة من أجزاء الجسم. ولتمثيل الديناميكية والمظهر الخاص بكل جزء، نستخدم مجموعة متنوعة من السمات القائمة على العمق والهيكل العظمي. وتم صياغ البنية المناسبة للسمات متعددة الوسائط ذات الأجزاء المتعددة داخل إطار التعلم من خلال المتغير الهرمي المُقترَح (hierarchical mixed norm)، بهدف تقوية السمات المنظمة لكل جزء، وتطبيق الندرة بينها، وذلك لصالح اختيار مجموعات من السمات. أظهرت نتائج التجارب فعالية الطريقة المقترحة، حيث تفوقت على الطرق الأخرى في جميع مجموعات البيانات الثلاث التي تم اختبارها، وبلغت الدقة المثالية في واحدة منها.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp