論文の概要: Can Human Sex Be Learned Using Only 2D Body Keypoint Estimations?

• arxiv url: http://arxiv.org/abs/2011.03104v2
• Date: Wed, 20 Apr 2022 07:05:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 12:16:02.076434
• Title: Can Human Sex Be Learned Using Only 2D Body Keypoint Estimations?
• Title（参考訳）: 人間の性は2次元の身体キーポイント推定で学べるか?
• Authors: Kristijan Bartol and Tomislav Pribanic and David Bojanic and Tomislav Petkovic
• Abstract要約: 2次元キーポイントのみを用いた完全自動分類システムを提案する。 キーポイントセットは15個のジョイントから構成され、そのキーポイント推定はOpenPose 2Dキーポイント検出器を用いて得られる。 我々は、キーポイントを入力として、バイナリラベルを出力として、男性と女性を区別する深層学習モデルを学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we analyze human male and female sex recognition problem and present a fully automated classification system using only 2D keypoints. The keypoints represent human joints. A keypoint set consists of 15 joints and the keypoint estimations are obtained using an OpenPose 2D keypoint detector. We learn a deep learning model to distinguish males and females using the keypoints as input and binary labels as output. We use two public datasets in the experimental section - 3DPeople and PETA. On PETA dataset, we report a 77% accuracy. We provide model performance details on both PETA and 3DPeople. To measure the effect of noisy 2D keypoint detections on the performance, we run separate experiments on 3DPeople ground truth and noisy keypoint data. Finally, we extract a set of factors that affect the classification accuracy and propose future work. The advantage of the approach is that the input is small and the architecture is simple, which enables us to run many experiments and keep the real-time performance in inference. The source code, with the experiments and data preparation scripts, are available on GitHub (https://github.com/kristijanbartol/human-sex-classifier).
• Abstract（参考訳）: 本稿では,男女の性認識問題を分析し,2次元キーポイントのみを用いた完全自動分類システムを提案する。 キーポイントは人間の関節を表す。 キーポイントセットは15のジョイントで構成され、openpose 2dキーポイント検出器を用いてキーポイント推定を求める。 入力としてキーポイント,出力としてバイナリラベルを用いて男女を識別する深層学習モデルを学習する。 実験では3DPeopleとPETAという2つの公開データセットを使用します。 PETAデータセットの精度は77%であった。 PETAと3DPeopleのモデルパフォーマンスの詳細を提供する。 ノイズ2次元キーポイント検出が性能に及ぼす影響を計測するために,3dピープルグラウンド真理とノイズキーポイントデータについて実験を行った。 最後に,分類精度に影響を与える要因を抽出し,今後の課題を提案する。 このアプローチの利点は、入力が小さく、アーキテクチャがシンプルであることです。 実験とデータ準備スクリプトを備えたソースコードはgithubから入手できる(https://github.com/kristijanbartol/human-sex-classifier)。

関連論文リスト

• CameraHMR: Aligning People with Perspective [54.05758012879385]
  モノクロ画像からの正確な3次元ポーズと形状推定の課題に対処する。 既存のトレーニングデータセットには、擬似基底真理(pGT)を持つ実画像が含まれている。 pGTの精度を向上させる2つの貢献をしている。
  論文  参考訳（メタデータ） (2024-11-12T19:12:12Z)
• VoxelKP: A Voxel-based Network Architecture for Human Keypoint Estimation in LiDAR Data [53.638818890966036]
  textitVoxelKPは、LiDARデータにおける人間のキーポイント推定に適した、完全にスパースなネットワークアーキテクチャである。 本研究では,人間の各インスタンス内のキーポイント間の空間的相関を学習するために,スパースボックスアテンションを導入する。 鳥の視線を符号化する2次元格子に3次元ボクセルを投影する際に, 絶対的な3次元座標を利用するために空間符号化を組み込んだ。
  論文  参考訳（メタデータ） (2023-12-11T23:50:14Z)
• 3D Human Keypoints Estimation From Point Clouds in the Wild Without Human Labels [78.69095161350059]
  GC-KPLは、人間のラベルなしでポイントクラウドから3Dの人間の関節位置を学習するためのアプローチである。 人間の注釈付きキーポイントを使わずに大規模なトレーニングセットでトレーニングを行うことで、完全に教師されたアプローチと比較して合理的なパフォーマンスを実現することができることを示す。
  論文  参考訳（メタデータ） (2023-06-07T19:46:30Z)
• Pedestrian Crossing Action Recognition and Trajectory Prediction with 3D Human Keypoints [25.550524178542833]
  歩行者の横断行動認識と軌道予測のための新しいマルチタスク学習フレームワークを提案する。 生のセンサデータから抽出した3D人間のキーポイントを用いて、人間のポーズや活動に関する豊富な情報をキャプチャする。 提案手法は,幅広い評価指標を用いて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T18:27:48Z)
• 2D Human Pose Estimation with Explicit Anatomical Keypoints Structure Constraints [15.124606575017621]
  本稿では,解剖学的キーポイント構造制約を明示した新しい2次元ポーズ推定手法を提案する。 提案手法は,既存のボトムアップやトップダウンの人間のポーズ推定手法に組み込むことができる。 提案手法は,既存のボトムアップとトップダウンの人間のポーズ推定手法に対して良好に機能する。
  論文  参考訳（メタデータ） (2022-12-05T11:01:43Z)
• An Empirical Study of Pseudo-Labeling for Image-based 3D Object Detection [72.30883544352918]
  異なる条件下で,擬似ラベルがベースラインモデルに対して効果的に監視できるかどうかを検討する。 ベルとホイッスルを使わずにKITTI-3Dテストセットの適度なレベルを20.23 APで達成し、ベースラインモデルを6.03 APで改善した。 この研究が、半教師付き環境下で画像に基づく3D検出コミュニティに洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2022-08-15T12:17:46Z)
• Human keypoint detection for close proximity human-robot interaction [29.99153271571971]
  近接ロボット相互作用の文脈における最先端人間のキーポイント検出器の性能について検討した。 MMPoseとAlphaPoseは近接して全体キーポイント検出器を動作させたが、どちらも指検出に難しかった。 本稿では,MMPose または AlphaPose の身体用と MediaPipe を,最も正確かつ堅牢な検出が可能な単一のフレームワークで組み合わせて提案する。
  論文  参考訳（メタデータ） (2022-07-15T20:33:29Z)
• Efficient Human Pose Estimation via 3D Event Point Cloud [10.628192454401553]
  私たちは3Dイベントポイントクラウドから直接2Dのポーズを推定する最初の人です。 そこで我々は,NX化イベントポイントクラウド(NX化イベントポイントクラウド)という新しいイベント表現を提案し,小さな時間スライスと同じ位置でイベントを集約する。 DHP19データセット上のMPJPE3Dの2048点入力82.46mmでPointNetを実現したが,レイテンシは12.29msに過ぎなかった。
  論文  参考訳（メタデータ） (2022-06-09T13:50:20Z)
• Vision-based Behavioral Recognition of Novelty Preference in Pigs [1.837722971703011]
  研究データの行動スコアリングは、ドメイン固有のメトリクスを抽出するために重要であるが、人間の労働力を用いて膨大な量の情報を分析する能力にボトルネックがある。 ディープラーニングは、このボトルネックを緩和するための重要な進歩として広く見なされている。 我々は,手動スコアリングのプロセスを緩和するために,ディープラーニングを活用できる分野を1つ同定する。
  論文  参考訳（メタデータ） (2021-06-23T06:10:34Z)
• Rel3D: A Minimally Contrastive Benchmark for Grounding Spatial Relations in 3D [71.11034329713058]
  既存のデータセットには、大規模で高品質な3D地上真実情報がない。 Rel3Dは、空間関係を3Dでグラウンド化するための、最初の大規模で人間による注釈付きデータセットである。 我々は、データセットバイアスを減らすための新しいクラウドソーシング手法である、最小限のコントラストデータ収集を提案する。
  論文  参考訳（メタデータ） (2020-12-03T01:51:56Z)
• KeypointNet: A Large-scale 3D Keypoint Dataset Aggregated from Numerous Human Annotations [56.34297279246823]
  KeypointNetは、最初の大規模かつ多様な3Dキーポイントデータセットである。 16のカテゴリから103,450個のキーポイントと8,234個の3Dモデルを含んでいる。 提案したデータセットに10種類の最先端手法をベンチマークする。
  論文  参考訳（メタデータ） (2020-02-28T12:58:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。