HyperAIHyperAI

Command Palette

Search for a command to run...

التعرف على النشاط باستخدام ST-GCN مع بيانات الحركة ثلاثية الأبعاد

Xin Cao Masaki Shuzo Wataru Kudo Chihiro Ito Eisaku Maeda

الملخص

في مسابقة تمييز أنشطة التمريض، طوّر فريق TDU-DSML خوارزمية لتمييز الأنشطة. تم استخدام شبكة تقوية رسمية فضائية-زمنية (ST-GCN) لمعالجة بيانات التقاط الحركة ثلاثية الأبعاد المضمنة في مجموعة بيانات المسابقة. قُسّمت البيانات الزمنية إلى مقاطع مدتها 20 ثانية مع تداخل قدره 10 ثوانٍ. ثم تم إنشاء نموذج التمييز باستخدام رسم بياني على شكل شجرة. وتم تحديد نتيجة التنبؤ على شكل مقاطع مدتها دقيقة واحدة، استنادًا إلى قرار الأغلبية المستخلص من كل مقطع ناتج. وتم تقييم النموذج باستخدام طريقة التحقق المتقاطع "حذف أحد المشاركين في كل مرة" (leave-one-subject-out cross-validation). وتم تحقيق دقة متوسطة قدرها 57% لجميع المشاركين الستة.


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
التعرف على النشاط باستخدام ST-GCN مع بيانات الحركة ثلاثية الأبعاد | مستندات | HyperAI