論文の概要: Deep-Learning-Based Markerless Pose Estimation Systems in Gait Analysis: DeepLabCut Custom Training and the Refinement Function
- arxiv url: http://arxiv.org/abs/2407.10590v1
- Date: Mon, 15 Jul 2024 10:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 15:40:56.906324
- Title: Deep-Learning-Based Markerless Pose Estimation Systems in Gait Analysis: DeepLabCut Custom Training and the Refinement Function
- Title（参考訳）: 歩行分析におけるDeep-Learning-based Markerless Pose Estimation System:DeepLabCut Custom Training and the Refinement Function
- Authors: Giulia Panconi, Stefano Grasso, Sara Guarducci, Lorenzo Mucchi, Diego Minciacchi, Riccardo Bravi,
- Abstract要約: マーカーレスポーズ推定システムは生態学的代替物として現れる。
本研究では,2種類のマーカーレスシステムであるOpenPose(OP)とDeepLabCut(DLC)の性能を比較した。
- 参考スコア（独自算出の注目度）: 0.8811968781432808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The current gold standard for the study of human movement is the marker-based motion capture system that offers high precision but constrained by costs and controlled environments. Markerless pose estimation systems emerge as ecological alternatives, allowing unobtrusive data acquisition in natural settings. This study compares the performance of two popular markerless systems, OpenPose (OP) and DeepLabCut (DLC), in assessing locomotion. Forty healthy subjects walked along a 5 meters walkway equipped with four force platforms and a camera. Gait parameters were obtained using OP BODY 25 Pre-Trained model (OPPT), DLC Model Zoo full human Pre-Trained model (DLCPT) and DLC Custom-Trained model (DLCCT), then compared with those acquired from the force platforms as reference system. Our results demonstrated that DLCCT outperformed DLCPT and OPPT, highlighting the importance of leveraging DeepLabCut transfer learning to enhance the pose estimation performance with a custom-trained neural networks. Moreover, DLCCT, with the implementation of the DLC refinement function, offers the most promising markerless pose estimation solution for evaluating locomotion. Therefore, our data provide insights into the DLC training and refinement processes required to achieve optimal performance. This study offers perspectives for clinicians and practitioners seeking accurate low-cost methods for movement assessment beyond laboratory settings.
- Abstract（参考訳）: 人間の動きを研究するための現在の金の標準は、高精度だがコストや制御された環境に制約のあるマーカーベースのモーションキャプチャシステムである。
マーカレスポーズ推定システムは生態的な代替手段として登場し、自然環境における邪魔にならないデータ取得を可能にする。
本研究では,OpenPose (OP) とDeepLabCut (DLC) の2種類のマーカーレスシステムの性能を比較した。
健康な被験者40人が4つの力台とカメラを備えた5メートルの通路を歩いた。
OP BODY 25 Pre-Trained model (OPPT), DLC Model Zoo full human Pre-Trained model (DLCPT), DLC Custom-Trained model (DLCCT) を用いて歩行パラメータを求め, 実測系として得られたものと比較した。
DLCCTはDLCPTとOPPTより優れており、DeepLabCut転送学習を活用して、カスタムトレーニングニューラルネットワークによるポーズ推定性能を高めることの重要性を強調した。
さらに、DLCCTは、DLCリファインメント機能を実装しており、ロコモーションを評価するための最も有望なマーカーレスポーズ推定ソリューションを提供する。
そこで本研究では,DLCのトレーニングおよび改善プロセスについて,最適な性能を達成するために必要な知見を提供する。
本研究は, 臨床医や臨床医が, 実験室環境を超えて, 正確な移動評価を行うための, 低コストな方法を模索する上での視点を提供するものである。
関連論文リスト
- AutoScale: Automatic Prediction of Compute-optimal Data Composition for Training LLMs [61.13296177652599]
本稿では,異なる領域からのトレーニングデータの最適構成がスケール依存であることを示す。
我々は、潜在的に大規模なトレーニングデータスケールでデータ合成を最適化するための、新しい実用的なアプローチである*AutoScale*を紹介します。
GPT-2Large and BERT pre-training の評価は,トレーニング収束性および下流性能向上における *AutoScale* の有効性を示す。
論文 参考訳（メタデータ） (2024-07-29T17:06:30Z) - Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。
提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
論文 参考訳（メタデータ） (2024-05-29T06:09:34Z) - Efficient Transferability Assessment for Selection of Pre-trained Detectors [63.21514888618542]
本稿では,事前学習対象検出器の効率的な伝達性評価について検討する。
我々は、事前訓練された検出器の大規模で多様な動物園を含む検出器転送性ベンチマークを構築した。
実験により,本手法は伝達性の評価において,他の最先端手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-03-14T14:23:23Z) - Explainable Contrastive and Cost-Sensitive Learning for Cervical Cancer
Classification [0.0]
最初に、トレーニング済みの5つのCNNを微調整し、誤分類の全体的なコストを最小化する。
教師付きコントラスト学習は、モデルが重要な特徴やパターンを捉えやすくするために含まれます。
実験の結果, 精度97.29%を達成し, 開発システムの有効性を実証した。
論文 参考訳（メタデータ） (2024-02-24T21:03:30Z) - Model-aware reinforcement learning for high-performance Bayesian
experimental design in quantum metrology [0.5461938536945721]
量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。
量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。
粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
論文 参考訳（メタデータ） (2023-12-28T12:04:15Z) - PECoP: Parameter Efficient Continual Pretraining for Action Quality
Assessment [5.646864170268027]
以前の作業では、大規模なドメイン汎用データセットで事前訓練されたモデルを微調整する必要がある。
このようなドメインシフトを減らすために,新しいパラメータ効率,連続的事前学習フレームワーク PEP を提案する。
我々は,最近の最先端手法の性能を向上させるPEPの能力を実証する。
論文 参考訳（メタデータ） (2023-11-11T02:36:38Z) - The Languini Kitchen: Enabling Language Modelling Research at Different
Scales of Compute [66.84421705029624]
本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。
私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。
この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
論文 参考訳（メタデータ） (2023-09-20T10:31:17Z) - An interpretable deep learning method for bearing fault diagnosis [12.069344716912843]
我々は、グラディエント重み付きクラス活性化マッピング(Grad-CAM)可視化を用いた畳み込みニューラルネットワーク(CNN)を用いて、ベアリング障害を分類するための解釈可能なディープラーニング(DL)手法を構築した。
モデル評価過程において,提案手法は特徴量の類似性に応じて,健康図書館から予測ベースサンプルを検索する。
論文 参考訳（メタデータ） (2023-08-20T15:22:08Z) - Online Convolutional Re-parameterization [51.97831675242173]
2段階のパイプラインであるオンライン畳み込み再パラメータ化(OREPA)は、複雑なトレーニング時間ブロックを単一の畳み込みに絞ることで、巨大なトレーニングオーバーヘッドを低減することを目的としている。
最先端のre-paramモデルと比較して、OREPAはトレーニング時間のメモリコストを約70%削減し、トレーニング速度を約2倍向上させることができる。
また、オブジェクト検出とセマンティックセグメンテーションの実験を行い、下流タスクに一貫した改善を示す。
論文 参考訳（メタデータ） (2022-04-02T09:50:19Z) - HMD-EgoPose: Head-Mounted Display-Based Egocentric Marker-Less Tool and
Hand Pose Estimation for Augmented Surgical Guidance [0.0]
HMD-EgoPoseは、手動とオブジェクトのポーズ推定のための単発学習に基づくアプローチである。
マーカーレスハンドと手術器具のポーズトラッキングのためのベンチマークデータセット上で,最先端の性能を示す。
論文 参考訳（メタデータ） (2022-02-24T04:07:34Z) - STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。
実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文 参考訳（メタデータ） (2021-07-15T02:53:11Z)
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。