Claochladáin Físe Féinmhaoirsithe a Iniúchadh Le hAithint Gait sa Wild Cuid 3

Bainimid úsáid as sampla simplí chun idirshuí a dhéanamh idir hailt chomharsanachta (Fíor 3). Mar sin féin, go naively é sin a dhéanamh ar na torthaí cnámharlach i joints spurious ar fud an chnámharlaigh, beag beann ar an rogha formáidí creatlach (m.sh., OpenPose nó COCO), ós rud é nach bhfuil an comh-ordú a chaomhnú aon bhrí shéimeantach.

Tagraíonn seicheamhú comhpháirteach do joints an chomhlachta a bhogadh in ord áirithe. Tá ról tábhachtach ag an gcineál seo aclaíochta maidir le sláinte fhisiciúil a chothabháil agus cuimhne an choirp a fheabhsú.

Ar an gcéad dul síos, is féidir le seicheamhú comhpháirteach gluaiseacht chomhordaithe codanna éagsúla den chorp a chur chun cinn, neart muscle a fheabhsú, agus feidhm cardiopulmonary a fheabhsú, rud a chabhraíonn le dea-shláinte a chothabháil. Ag an am céanna, is féidir le hailíniú comhpháirteach rialta stiffness agus pian an chomhlachta a laghdú, staidiúir agus cothromaíocht a fheabhsú, agus moill a chur ar mheath na feidhme fisiceach de bharr aoise.

Ar an dara dul síos, féadann seicheamhú comhpháirteach feabhas a chur ar chuimhne freisin. Léiríonn taighde gur féidir leis an aclaíocht fás agus naisc néaróin inchinn a spreagadh, agus ar an gcaoi sin malartú faisnéise idir néaróin a chur chun cinn, rud a chuideoidh le cuimhne agus cumas foghlama a fheabhsú. Éilíonn gluaiseacht seicheamhach na n-alt ar an inchinn treoracha cruinne a thabhairt maidir le gluaiseachtaí codanna éagsúla den chorp, rud a chabhraíonn go mór le forbairt cumas comhordaithe agus cuimhne na hinchinne.

Ar deireadh, féadann seicheamhú comhpháirteach strus agus imní a mhaolú agus cobhsaíocht mhothúchánach a fheabhsú. Is féidir le cleachtadh roinnt substaintí a scaoileadh sa chorp, mar shampla dopamine agus endorphins, rud a d'fhéadfadh cabhrú le fadhbanna mothúchánacha a mhaolú agus mothú sonas agus sásamh an chomhlachta a fheabhsú. Bíonn tionchar dearfach ag na fachtóirí seo freisin ar fheabhsú cuimhne.

Go hachomair, tá gaol dearfach idir seicheamhú comhpháirteach agus cuimhne. Trí chleachtaí seicheamhaithe comhpháirteacha rialta, is féidir leat forbairt shláintiúil coirp agus inchinn a chur chun cinn, cumas cuimhne agus foghlama a fheabhsú, agus cobhsaíocht mhothúchánach a fheabhsú. Lig dúinn aird a thabhairt ar an dea-shláinte agus taitneamh a bhaint as áilleacht na beatha le chéile! Is féidir a fheiceáil go gcaithfimid cuimhne a fheabhsú, agus is féidir le Cistanche deserticola feabhas mór a chur ar chuimhne toisc gur ábhar íocshláinte traidisiúnta Síneach é Cistanche deserticola a bhfuil go leor éifeachtaí uathúla aige, agus is é ceann acu cuimhne a fheabhsú. Tagann éifeachtúlacht na mionfheoil ó na comhábhair ghníomhacha éagsúla atá ann, lena n-áirítear aigéad, polaisiúicrídí, flavonoids, etc. Is féidir leis na comhábhair seo sláinte inchinn a chur chun cinn ar bhealaí éagsúla.

Cliceáil fios forlíontaí chun cuimhne a fheabhsú

Tá an bhreathnóireacht seo ag teacht le hobair Yang et al. [44], a mholann íomhá creatlach struchtúr crann (TSSI) chun na caidrimh spásúla idir hailt a mholadh. Tá sé bunaithe ar chomhcheangail a ordaíonn doimhneacht den chéad trasbhealach crann, a chaomhnaíonn faisnéis struchtúrach an chnámharlaigh. Taispeánann Figiúr 3 (ar dheis), éifeachtaí formáidí éagsúla creatlach agus modhanna upsample. Chun an modh seo a athrú, d'úsáideamar formáid TSSI agus idirshuíomh déchiúbach.

Ina theannta sin, rinneamar tástáil ar dhá mhodh uasscála, a bhí infhoghlaim le linn oiliúna. D’úsáideamar ciseal líneach simplí a cuireadh i bhfeidhm ar gach creatlach leacaithe chun líon na n-alt a mhéadú. Is é seo an bealach is simplí chun gach creatlach a athrú, ach ní thugann sé cuntas ar aon ghaolmhaireacht spásúlachta idir na hailt. Chun aghaidh a thabhairt air seo, bainimid úsáid as sraith de shraitheanna díraonta 2T ar an seicheamh creatlach chun méid a athrú agus an fhaisnéis struchtúrach á cur san áireamh freisin; don mhodh seo, bainimid úsáid as formáid TSSI freisin.

Léiríonn Tábla 1 na torthaí do gach modh méide a athrú do gach ailtireacht. Cuireadh oiliúint agus luacháil ar na samhlacha ar CASIA-B ar feadh 200 ré, agus léirímid torthaí don ghnáthshiúl. Don chuid eile dár dturgnaimh, roghnaigh muid an seicheamh creatlach a uasghrádú le hidirshuíomh débhóibeach.

Cé go bhfuil roinnt nósanna imeachta réamhoiliúint féinmhaoirsithe féideartha ann, roghnaigh muid cur chuige codarsnachta réamhoiliúint toisc gurb é an nós imeachta céanna é chun aitheantas gait a aisghabháil. Spreagann cur chuige codarsnachta léiriúcháin a bhaineann leis an aicme chéanna a bheith gar i spás folaigh, agus ag an am céanna a bheith i bhfad ó léiriúcháin a bhaineann le haicmí éagsúla.

Go háirithe, bainimid úsáid as Contrastach Maoirsithe [45] le haghaidh réamhoiliúint. Feidhmíonn caillteanas SupCon ar bhaisc ilamhairc: tá leaganacha iolracha méadaithe de féin ag gach sampla sa bhaisc. Léiríodh go bhfuil sé níos láidre go nádúrtha maidir le héilliú sonraí, maolaíonn sé an gá atá le roghnúchán cúramach triplets ós rud é go spreagann an grádán foghlaim ó shamplaí crua agus nach bhfuil sé chomh híogair do hipearpharaiméadair.

3.4. Méadú Sonraí

Tugann oiliúint ar bhealach codarsnachta féin-mhaoirsithe le caillteanas SupCon le tuiscint go n-úsáidfí méadú sonraí chun "tuairimí" méadaithe iomadúla a sholáthar ar an seicheamh cnámharlaigh chéanna. 30]. Is é an príomh-mhéadú a úsáidtear ná bearradh randamach ama le fad tréimhse de fhrámaí T=64.

Ós rud é go ndéantar cnámharlaigh a rianú ar feadh ré athraitheach ama, bainimid úsáid as bearradh chun a chinntiú go bhfuil an fad céanna ag gach seicheamh. Ina theannta sin, d'fhéadfadh duine siúil treo a athrú agus gníomhartha eile a dhéanamh trasna an rianaithe; dá bhrí sin, bíonn níos mó éagsúlachta ag baint le bearradh don seicheamh céanna.

Ina theannta sin, déanaimid an luas siúil a mhionathrú tríd an siúlóid a mhoilliú nó a bhrostú.D'úsáideamar mionathruithe luais de {{{0}.5, 0.75, 1, 1.25, 1.5, 1.75, 2.0}. Tá sé seo oiriúnaithe ó shaothar Wang et al. [48] ​​le haghaidh foghlama féin-mhaoirsithe ar léiriú físeáin. Ina theannta sin, úsáideadh luasmhéadú san anailís gait san am atá caite [33].

Bainimid úsáid freisin as smeach randamach le dóchúlacht de {{{0}}.5, aisiompú seicheamh le dóchúlacht de 0.5, torann breise Gaussach do gach alt le σ=0.005, agus dropout randamach de 5% de na hailt le dóchúlacht 0.01 chun insamhladh a dhéanamh ar ailt atá ar iarraidh ón tsamhail poseestimation.

3.5. Modhanna Túsaithe

Chun tionchar na feidhmíochta réamhoiliúint féin-mhaoirsithe ar na hailtireachtaí molta a mheas, déanaimid iniúchadh ar thrí mhodh tosaithe éagsúla. Léiríonn Tábla 2 na tacair sonraí éagsúla a úsáidtear sa litríocht. Cé gur tacair shonraí rialaithe iad CASIA-B [6] agus FVG[29], a úsáidtear go príomha le haghaidh meastóireachta, úsáidimid DenseGait [12] agus GREW [7] le haghaidh réamhoiliúint féin-mhaoirsithe do na cúig ailtireacht. Tá DenseGait agus GREW ar dhá cheann de na bunachair shonraí réadúla is mó, a bhailítear i suíomhanna lasmuigh, agus is dócha go bhfuil formhór na n-athruithe, na n-iompraíochtaí agus na castachtaí sa ghnáthshaol laethúil iontu. Roghnaímid na tacair sonraí seo chun léiriúcháin gait níos ginearálta a bheith againn, chun cásanna faireachais nuálacha fíordheimhnithe gait a cheadú.

DenseGait Pretraining Is tacar sonraí gait ar mhórscála "san fhiáine" é DenseGait a bhailítear go huathoibríoch ó shruthanna faireachais. Tá seichimh chnámharlaigh rianaithe 217 K ann, a bhaintear úsáid as AlphaPose [22], i dtimpeallachtaí éagsúla agus uillinneacha ceamara ó láithreacha iolracha. Ós rud é go mbailítear DenseGait go huathoibríoch, bíonn a nótaí i dtéarmaí an aitheantóra rianaithe torannach, agus d'fhéadfadh seichimh a bheith sa tacar sonraí faoin ábhar céanna, cé gur annamh a tharlaíonn sé seo. Mar sin féin, is é seo an cás i gcás fhormhór na dtacar sonraí ar mhórscála gan lipéad a bhfuil samplaí a bhaineann leis an aicme shéimeantach chéanna iontu, a mheastar nach mbaineann le linn na hoiliúna. Déanaimid réamhoiliúint ar gach ailtireacht ar DenseGait agus úsáidimid na paraiméadair oilte le haghaidh tuilleadh meastóireachta feidhmíochta iartheachtacha ar na tacair shonraí rialaithe.

GREW Pretraining Is tacar sonraí eile amuigh faoin aer é GREW ach luaitear go cúramach é sa chaoi is go mbíonn ábhair siúlóide ann thar laethanta iomadúla agus cineálacha éagsúla éadaí. Mar sin féin, chun cloí le riachtanais an chórais féin-mhaoirsithe, tar éis na nótaí a scaipeadh agus déan gach seicheamh siúlóide mar dhuine ar leith. Tá GREW 2 × níos lú ná DenseGait, ina bhfuil seichimh chnámharlaigh 128 K, agus gach coisithe á rianú ar feadh meántréimhse níos lú [12]. Cuirimid oiliúint freisin ar gach ailtireacht ar GREW agus úsáidimid na paraiméadair oilte le haghaidh meastóireachta feidhmíochta iartheachtacha.

Túsú Randamach Freagraíonn an modh tosaithe seo d'aon réamhoiliúint (ie, oiliúint ón tús). Cuirtear oiliúint ar gach ailtireacht trí thúsú meáchain randamach ar na tacair shonraí iartheachtacha. Is bonnlíne é an modh seo chun na gnóthachain feidhmíochta a chur i gcomparáid le réamhoiliúint.

3.6. Meastóireacht

Déantar feidhmíocht tascanna iartheachtacha a mheas ar dhá bhealach éagsúla chun gait a aithint. Déanaimid tástáil dhíreach ar chumas aisghabhála ailtireachta réamhoilte, gan mionchoigeartú a dhéanamh ar thasc ar leith. Freagraíonn an modh seo le haistriú lámhaigh nialasach. Thairis sin, wefine-tune gach ailtireacht ag baint úsáide as 10 × ráta foghlama níos lú ná le linn réamhoiliúint, le ráta foghlama de réir a chéile níos lú ag tús an líonra, a fhreagraíonn do ciseal-ciallmhar foghlama ráta meath (LLRD) [50] polasaí.

Déantar an mheastóireacht ar fheidhmíocht iartheachtacha ar dhá thacar sonraí gaitrecognition a bhfuil tóir orthu: CASIA-B [6] agus FVG [29]. Tá líon beag ábhar sa dá thacar sonraí faoi phrótacail siúil dochta, a rialaítear ar fhachtóirí inbhraite éagsúla: uillinn an cheamara, éadaí, oiriúintí, agus luas siúil.

Is tacar sonraí laistigh é CASIA-B ina bhfuil 124 ábhar a gabhadh ó 11 ceamara sioncronaithe. Siúlann gach duine faoi thrí choinníoll éagsúla: gnáthshiúl, athrú éadaí agus iompar málaí. Ó scaoileadh, tá sé ina stáplacha maidir le samhlacha gaitanailís tagarmharcála, agus é ar cheann de na tacair sonraí is mó a úsáidtear sa réimse seo. Bainimid úsáid as na chéad 62 ábhar mar an tacar oiliúna agus an chuid eile de na 62 le haghaidh meastóireacht feidhmíochta. Maidir le gaitrecognition, roghnaímid feidhmíocht a mheas ar bhonn in aghaidh na huillinne i suíomh "fág duine amháin" ina bhfuil na huillinneacha siúil go léir seachas an uillinn taiscéalaithe sa tsraith gailearaí.

Is tacar sonraí móréilimh eile é Front-View Gait chun gait a aithint, agus 226 ábhar ag siúl amuigh faoin aer faoi phrótacail éagsúla. Difriúil ó CASIA-B, tá fachtóirí mearbhall breise ag FVG: luas siúil, cúlra cluttered, agus imeacht ama (ie, tá siúlóidí cláraithe ag roinnt ábhar a mhairfidh bliain). Ina theannta sin, gabhtar na hábhair go léir le uillinn ceamara tosaigh aghaidh, a mheastar a bheith ar an uillinn is deacra d'aithint gait ós rud é go bhfuil an méid is lú éagsúlachta gluaiseachta comhpháirteacha ann. D’úsáideamar na chéad 136 ábhar le haghaidh oiliúna agus an chuid eile le haghaidh measúnú feidhmíochta. Cloíonn meastóireacht feidhmíochta le haghaidh aithint gait leis na prótacail atá leagtha amach ag na húdair, ina n-úsáidimid an gnáthsheicheamh siúil sa tsraith gailearaí agus na coinníollacha eile sa tsraith taiscéalaithe.

I gcás gach cás meastóireachta, bainimid úsáid as bearradh cinntitheach i lár an tseichimh siúil agus ní úsáidimid aon mhéadaithe ama tástála.

4. Turgnaimh agus Torthaí

4.1. Meastóireacht ar CASIA-B

Déanaimid réamhoiliúint ar gach ailtireacht ar DenseGait agus GREW, faoi seach, agus déanaimid meastóireacht ar an bhfeidhmíocht ar CASIA-B agus FVG. Sa chéad sraith turgnaimh, tá suim againn feidhmíocht CASIA-B a mheas i gcás mionchoigeartaithe tar éis réamhoiliúint, le samplaí oiliúna atá níos mó de réir a chéile. Chuireamar oiliúint ar gach líonra ar na chéad 62 chéannacht, leis na héagsúlachtaí siúlóide go léir a bhí ar fáil, agus choinníomar an chuid eile le haghaidh tástála. Rinneadh meastóireacht aitheantais agus na chéad 4 ghnáthshampla siúil á n-úsáid mar thacar gailearaí, agus rinne an t-athsholáthar taiscéalaí. Léiríonn Fíor 4 cruinneas gach ceann de na trí athrú siúil (gnáth - NM, éadaí - CLm agus mála iompair - BG) do CASIA-B. Chun an cás seo, sampláil werandomly K={1, 2, 3, 5, 7, 10} siúlóidí in aghaidh an ábhair, in aghaidh an uillinn, agus oiliúint ar an tsamhail.Cé go bhfuil an fheidhmíocht sách cosúil idir ailtireachtaí, is léir go cuireann pretraining borradh suntasach ar fheidhmíocht i gcomparáid le túsú randamach, beag beann ar an rogha tacar sonraí réamhoiliúint.

Thairis sin, is cosúil go bhfuil ardfheidhmíocht den chineál céanna ag SimpleViT, CrossFormer, agus Twins-SVT, cé go bhfuil Token2Token beagán tite. Tugann sé seo le tuiscint nach bhfuil an modh comharthaíochta forásach a úsáideadh in Token2Token, a dearadh go sonrach le haghaidh struchtúir atá cosúil le híomhánna, ag gabháil go héifeachtach le tréithe gaitseichimh. Tá difríocht shuntasach idir na tacair sonraí réamhoiliúint: Is cosúil go dtairgeann DenseGait méadú feidhmíochta comhsheasmhach sa dá éagsúlacht siúil (CL agusBG) i gcomparáid le GREW. Is léiriú é seo ar an bhfíric go bhfuil cásanna níos dúshlánaí agus réalaíocha san áireamh ag DenseGait a ullmhaíonn an tsamhail níos fearr le haghaidh coinníollacha ina bhfuil tionchar ag fachtóirí seachtracha ar an bpatrún siúil.

Tá na hailtireachtaí oilte chun seichimh siúil a mhapáil chuig spás leabaithe, áit a léiríonn a ghaireacht idir pointí cosúlacht na seichimh siúlóide comhfhreagracha. Ciallaíonn sé seo gur chóir go mbeadh leabú na seichimh gait neamhfheicthe ón bhféiniúlacht chéanna gar dá chéile sa spás neadaithe agus i gcnuasaigh fhoirm, agus gur chóir go mbeadh leabú féiniúlachtaí difriúla níos faide óna chéile agus go gcruthófaí cnuasaigh ar leith. Tá sé seo tábhachtach mar go gceadaíonn sé don tsamhail ginearálú go dtí seichimh siúlóide nach bhfacthas riamh roimhe agus an duine aonair a aithint go cruinn trí chur chuige an chomharsa is gaire a úsáid. I bhFíor 5, cuirimid i láthair an bhraisle do na leabaithe do gach céannacht sa tsraith tástála de laghdú toise CASIA-Bafter le t-SNE [51]. D'úsáideamar an 256-veicteoir leabaithe tríthoiseach agus rinneamar é a theilgean ina dhá thoise. Is cosúil gurb iad SimpleViT agus CrossFormer a bhfuil an scaradh féiniúlachta is fearr acu, beag beann ar dhearcadh an cheamara.

4.2. Meastóireacht ar FVG

Mar an gcéanna, rinneamar measúnú ar fheidhmíocht gach ailtireachta ar FVG, atá difriúil go cáilíochtúil ó CASIA-B, toisc nach bhfuil ann ach uillinn féachana amháin. Rinneamar mionchoigeartú ar líonra réamhoilte ar chodán f={0.1, 0.2, 0.3, {{10 }}.5, 0.7, 1.0} den 12 ritheann an duine sa tacar oiliúna. Cuirtear torthaí mionchoigeartaithe i láthair i bhFíor 6. Leanann na torthaí treocht chomhchosúil leo siúd do CASIA-B: tá ​​feidhmíochtaí arda comhsheasmhacha ag SimpleViT agus CrossFormer, agus tá úsáid tacar sonraí réamhoiliúint tairbheach don fheidhmíocht iartheachtach. Ina theannta sin, is cosúil go leanann réamhoiliúint ar DenseGait le feabhsú cruinnis leanúnach. Mar a thug Cosma agus Radoi faoi deara [12], tá ábhair a rianaítear ar feadh tréimhse níos faide ag DenseGait, agus soláthraíonn sé seo níos mó éagsúlachta sa chuspóir foghlama codarsnachta, cosúil le bearradh randamach le haghaidh réamhoiliúint féin-mhaoirsithe le haghaidh íomhánna nádúrtha. Cosúil leis na torthaí ar CASIA-B, tá éagsúlacht na n-éadaí ar gcúl go mór ar an ngnáthshiúl siúil.

I dTábla 4, cuirimid torthaí níos míne i láthair ar thacar tástála FVG idir samhlacha réamhoilte, cosúil leis an gcás CASIA-B. Tá torthaí réamhoiliúint comhsheasmhach: tá baint dhíreach ag pretraining ar DenseGait leis an bhfeabhsú ar chruinneas iartheachtach. Cé go bhfeabhsaíonn réamhoiliúint ar an dá thacar sonraí feidhmíocht i ngach cás, tá an feabhsúchán an-suntasach sa chás CBG (Cúlra Cliste) ina mbíonn níos mó daoine san fhíseán de ghnáth, cosúil leis na socruithe neamhréadúla a mbeifí ag súil leo. Is dócha go dtagann an feabhas seo ón bhfíric gur bailíodh DenseGait agus GREW i dtimpeallachtaí nádúrtha neamhrialaithe, rud a d’fhág go raibh siad níos réadúla agus níos dúshlánaí, rud a d’ullmhaigh an tsamhail níos fearr do choinníollacha comhchosúla leis na cinn sa chás CBG. Tá an rangú idir samhlacha cosúil le CASIA-B: Sáraíonn SimpleViT, CrossFormer, agus Twins-SVT go seasta CaiT agus Token2Token. I gcás CASIA-B agus FVG araon, tá CaiT beagán chun deiridh ar mhúnlaí eile.

4.3. Tástáil Íogaireachta Spásúlachta

Gné shainiúil amháin de chlaochladáin radhairc is ea an rogha treallach toisí paiste, rud a d'fhéadfadh a bheith ríthábhachtach sa fheidhmíocht deiridh. I gcás próiseála íomhá, níl tábhacht ar leith ag baint le toisí paiste, mar gheall ar neamhathraitheacht aistritheach an ábhair shéimeantaigh in íomhá.

Maidir le seichimh chnámharlaigh, áfach, comhfhreagraíonn toisí paiste do ghnéithe sonracha agus inléirithe den ionchur: is ionann airde paiste agus an méid faisnéise spásúla atá i bpaiste (.i. líon na n-alt cnámharlaigh san áireamh), agus is ionann na toisí ama agus an méid faisnéise ama atá san áireamh( ie, líon na bhfrámaí). Ba cheart an t-iarmhéid idir an dá cheann a mheas go cúramach maidir le húsáid claochladáin oiriúnaithe fís le haghaidh anailíse gait. I bhFíor 7, taispeántar léarscáil teasa ina bhfuil gach cill ag feidhmiú múnla oilte (a cuireadh tús go randamach) ar CASIA-B le haghaidh gnáthshiúil. Déanaimid gach samhail a thraenáil ar feadh 50 ré chun comparáid chothrom a dhéanamh, agus chun luas an chóineasaithe a thomhas ag líon seasta céimeanna.
Thógamar dhá léarscáil teasa, ceann do SimpleViT agus ceann do CaiT ós rud é go bhfuil cnámh droma cosúla acu, agus go bhfuil sé simplí méideanna paiste a mhodhnú. Is féidir an próiseas céanna a dhéanamh do na hailtireachtaí eile a ndearnadh tástáil orthu. Bainimid de thátal as go gcomhfhreagraíonn méideanna paiste níos lú d’ardú dearfach ar fheidhmíocht samhaltaithe do sheichimh chnámharlaigh, cé nach bhfuil an comhbhabhtáil idir toisí spásúla agus ama ríthábhachtach, ós rud é go bhfuil an fheidhmíocht comhchosúil—tá maitrís an mhapa teasa cothrom siméadrach faoin dara trasnánach. Dá bhrí sin, is iad méideanna paiste cearnacha níos lú ar nós(2, 4) trasna toisí spásúla agus ama is fearr a íocann as an tasc seo, cé go bhfuil ró-bheagán eolais idirdhealaitheach ar mhéid paiste níos mó mar (32, 32). Mar sin féin, tá méid paiste níos lú ag méadú go simplí ar líon na bpaiste, rud a éilíonn cumhacht ríomhaireachta níos mó. Maidir le socrú dhá NVIDIA RTX 3060 GPUs, thuairiscigh muid earráidí as-chuimhne le haghaidh roinnt comhcheangail de mhéideanna paiste níos lú.

Is é an chúis is dóichí atá leis an bhfeidhmíocht fheabhsaithe le méideanna paiste níos lú ná gur féidir leis an ailtireacht castacht an phatrún siúlóide a ghabháil níos fearr trí idirghníomhaíochtaí níos casta idir paistí a ríomh. Is féidir paistí leis na méideanna spáis is mó agus is féidir agus na méideanna ama is lú is féidir a mheas mar léiriú iomlán ar chnámharlaigh, cé go nglacann paistí leis na méideanna ama is mó agus is féidir agus na spásúlachtaí is lú is féidir gluaiseachtaí comhpháirteacha aonair ar fad. Mar is féidir a thabhairt faoi deara, baintear amach an cruinneas is airde nuair a chuimsíonn méid an phaiste cothromaíocht idir faisnéis spásúil agus ama, a fhreagraíonn do ghluaiseachtaí beaga na n-alt atá nasctha go dlúth.

5. Plé agus Conclúidí

San obair seo, chuireamar meastóireacht chuimsitheach ar fáil ar chúig leagan coitianta den chlaochladán fís a cuireadh in oiriúint do phróiseáil seicheamh creatlach. Tá ár n-iarrachtaí ar aon dul leis na dul chun cinn a rinneadh le déanaí ar an domhainfhoghlaim chun na módúlachtaí éagsúla faoi ailtireacht an claochladáin a aontú go bunúsach. Mholamar modh upsampling spásúil do chnámharlaigh (bicubicupsampling le formáid creatlach TSSI) chun líon na n-alt a mhéadú go saorga, ionas gur féidir leis na hionchódóirí claochladáin an seicheamh a chaitheamh i gceart. Ina theannta sin, cuireadh oiliúint ar gach ailtireacht faoin bparaidím oiliúna féinmhaoirseachta ar dhá thacar sonraí gait ghinearálta agus ar mhórscála (ie, DenseGait agus GREW), agus ina dhiaidh sin rinneadh measúnú ar dhá thacar sonraí le haghaidh aithint gait i dtimpeallachtaí rialaithe (.i. CASIA-B agus FVG). Roghnaíomar an paraidím foghlama féin-mhaoirsithe a ghlacadh chun gnéithe gluaiseachta ginearálta a fháil, gan a bheith srianta d’éagsúlacht siúil ar leith nó do dhearcadh ceamara.

Tugann ár dtorthaí le tuiscint go bhfuil gá le tacair shonraí ard-chainníochta, ardchaighdeáin agus ilchineálacha le haghaidh réamhoiliúint a dhéanamh ar shamhlacha anailíse ar ghluaiseachtaí. Léirigh muid go dtugann réamhoiliúint ar DenseGait feabhsuithe cruinnis comhsheasmhacha thar GREW, mar gheall ar an méadú ar mhéid, ar líon na n-athruithe, agus ar an meánré siúil [12]. Is é an buntáiste is suntasaí, áfach, ná cásanna ina bhfuil méideanna ísle sonraí oiliúna ar fáil. Léiríonn ár dtorthaí go dtagann torthaí i bhfad níos measa as oiliúint ón tús ná mar a dhéantar mionchoigeartú fiú le méideanna measartha sonraí (ie, 10 seicheamh in aghaidh an duine). Faoi láthair, déantar an chuid is mó de na cineálacha cur chuige siúlóide taobh istigh i dtimpeallachtaí atá rialaithe go docht, rud nach féidir a ghinearálú de réir chastachtaí idirghníomhaíochtaí sa saol fíor. Tá tacair shonraí oiliúna éagsúla ríthábhachtach chun anailís chruinn iompraíochta a dhéanamh, go háirithe ós rud é gur gné bhithmhéadrach é gait a mbíonn tionchar éasca ag fachtóirí comhshaoil ​​seachtracha uirthi, chomh maith le comhpháirteanna inmheánacha agus mothúchánacha.

Léiríonn ár staidéar eisiblithe go bhfuil paistí spásúla-ama níos lú tairbheach chun torthaí iartheachtacha níos fearr a bhaint amach. Cuireann an léargas seo eolas ar fhorbairtí sa todhchaí ar ailtireachtaí seichimh forskeleton, a bhí ag brath roimhe seo ar chnámharlach aonair a phróiseáil ar phaiste aonair [12].

In éineacht le hiarrachtaí comhthráthacha chun anailís gait a thabhairt isteach i suíomhanna réalaíocha, cuireann ár n-obair bhreise ar chumas fíordheimhniú gait agus anailís iompraíochta a aistriú ó thimpeallachtaí rialaithe laistigh go suíomhanna lasmuigh den saol fíor. Tiocfaidh aitheantas gait san fhiáin chun bheith uileláithreach le forbairt braiteoirí cliste agus ailtireachtaí néaracha éifeachtacha a phróiseálann iompar tairiscint-tiomáinte i bhfíor-am.

Tagairtí

1. Kyeong, S.; Kim, SM; Jung, S.; Kim, DH Anailís patrún Gait agus sainaithint foghrúpa cliniciúil: Staidéar breathnadóireachta siarghabhálach. Leigheas 2020, 99, e19555. [CrossRef] [PubMed]

2. Michalak, J.; Troje, NF; Fischer, J. ; Vollmar, P. ; Heidenreich, T. ; Schulte, D. Ionchorprú Brón agus Storm -GaitPatrúin a Bhaineann le Meon Dysphoric. síocóis. Med. 2009, 71, 580–587. [CrossRef] [PubMed]

3. Willems, TM; Witvrouw, E.; De Coileach, A.; De Clercq, D. Fachtóirí riosca a bhaineann le Gait le haghaidh pian cos níos ísle a bhaineann le cleachtadh le linn shodrunning. Med. Sci. Cleachtadh Spóirt. 2007, 39, 330–339. [CrossRef] [PubMed]

4. Singh, JP; Jain, S.; Arora, S.; Singh, UP Aitheantas gait bunaithe ar fhís: suirbhé. Rochtain IEEE 2018, 6, 70497–70527. [CrossRef]

5. Makihara, Y.; Nixon, MS; Yagi, Y. Aitheantas Gait: Bunachair Shonraí, Ionadaíochtaí, agus feidhmchláir. Ríomhaire. Vis. Tag. Treoir 2020, 1–13.

6. Yu, S.; Tan, D.; Tan, T. Creat chun éifeacht uillinn radhairc, éadaí agus riocht iompair ar aithint gait a mheas. 4, lgh 441–444.

7. Zhu, Z.; Guo, X.; Yang, T.; Huang, J. ; Deng, J. ; Huang, G. ; Du, D.; Lu, J. ; Zhou, J. Aitheantas Gait san Fhiáin: Tagarmharc. Imeachtaí Chomhdháil Idirnáisiúnta IEEE ar Fhís Ríomhaireachta (ICCV), Montreal, BC, Ceanada, 11-17 Deireadh Fómhair 2021.

8. Chao, H. ; sé, Y. ; Zhang, J.; Feng, J. Gaitset: Maidir le gait mar thacar le haghaidh aithint gait tras-amharc. In Imeachtaí Chomhdháil AAAIC ar Intleacht Shaorga, Honolulu, HI, SAM, 27 Eanáir–1 Feabhra 2019; Imleabhar 33, lgh. 8126–8133. 

9. Fan, C. ; Peng, Y. ; Cao, C. ; Liu, X. ; Hou, S.; Chi, J.; Huang, Y. ; Li, Q. ; He, Z. Gaitpart: Múnla páirt-bhunaithe sealadach le haghaidh gaitrecognition. In Imeachtaí Chomhdháil IEEE/CVF ar Fhís Ríomhaireachta agus Aithint Patrún, Seattle, WA, SAM, 13–19 Meitheamh 2020; lgh 14225–14233.

10. Cosma, A. ; Radoi, IE WildGait: Léirithe Gait Foghlama ó Shruthanna Faireachais Amh. Braiteoirí 2021, 21, 8387. [CrossRef][PubMed]

For more information:1950477648nn@gmail.com