Abstract
This work is devoted to the prediction of human actions. The article proposes a machine learning algorithm for predicting human physical actions, created using a software package for collecting data, processing data and training a regression algorithm on the processed data. The results obtained are associated with the automatic determination of the beginning and type of physical action performed by a person. The work is aimed at improving control systems for industrial use of exoskeletons designed to increase human strength through an external frame. In the future, it is possible to use the research results for better interaction with assistive devices in enterprises.
Highlights
Применение нейронных сетей для предсказания физических действий человека
Рекомендуемая форма библиографической ссылки: Применение нейронных сетей для предсказания физических действий человека / А.В
Neural networks for predicting human actions This work is devoted to the prediction of human actions
Summary
Рекомендуемая форма библиографической ссылки: Применение нейронных сетей для предсказания физических действий человека / А.В. В частности, становится остро актуальной для исследования в наше время задача распознавания и предсказания действий человека с помощью методов машинного обучения. Целью данной работы является создание нейронной сети, которая сможет прогнозировать тип физической активности человека и момент её начала на основе существующих данных с применением современных методов машинного обучения. В данной работе представлен обзор литературы и существующих исследований последних лет по теме, описываются задачи, связанные с распознаванием и предсказанием движений человека, а также ход действий и подробные шаги при подготовке датасета и обучении моделей. В [1] предлагается простой конвейер для классификации и локализации действий в видео без кадрирования. Для набора данных Mouse Reach было обнаружено, что Wasserstein/EMD Loss легче оптимизируется. Они предлагают многозадачную рекуррентную нейронную сеть Joint Classification-Regression для лучшего распознавания действия и его локализации. Эксперименты на трех наборах данных (основной датасет Montalbano Gesture dataset) показали, что метод может надежно обнаружить начальную точку действия, улучшая точность раннего распознавания
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
