論文の概要: UNB StepUP: A footStep database for gait analysis and recognition using Underfoot Pressure

• arxiv url: http://arxiv.org/abs/2502.17244v1
• Date: Mon, 24 Feb 2025 15:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:56:42.876200
• Title: UNB StepUP: A footStep database for gait analysis and recognition using Underfoot Pressure
• Title（参考訳）: UNB StepUP:足底圧力を用いた歩行解析と認識のためのフットステップデータベース
• Authors: Robyn Larracy, Angkoon Phinyomark, Ala Salehi, Eve MacDonald, Saeed Kazemi, Shikder Shafiul Bashar, Aaron Tabor, Erik Scheme,
• Abstract要約: UNB StepUPデータベースは、高解像度の圧力感知タイルで収集された歩行圧力データを備えている。 最初のリリースには、150人の個人から20万以上の足跡が含まれている。 UNB StepUP-P150データセットは、圧力に基づく歩行分析と認識のための新しいベンチマークを設定する。
• 参考スコア（独自算出の注目度）: 3.526666376775963
• License:
• Abstract: Gait refers to the patterns of limb movement generated during walking, which are unique to each individual due to both physical and behavioural traits. Walking patterns have been widely studied in biometrics, biomechanics, sports, and rehabilitation. While traditional methods rely on video and motion capture, advances in underfoot pressure sensing technology now offer deeper insights into gait. However, underfoot pressures during walking remain underexplored due to the lack of large, publicly accessible datasets. To address this, the UNB StepUP database was created, featuring gait pressure data collected with high-resolution pressure sensing tiles (4 sensors/cm\textsuperscript{2}, 1.2m by 3.6m). Its first release, UNB StepUP-P150, includes over 200,000 footsteps from 150 individuals across various walking speeds (preferred, slow-to-stop, fast, and slow) and footwear types (barefoot, standard shoes, and two personal shoes). As the largest and most comprehensive dataset of its kind, it supports biometric gait recognition while presenting new research opportunities in biomechanics and deep learning. The UNB StepUP-P150 dataset sets a new benchmark for pressure-based gait analysis and recognition.
• Abstract（参考訳）: 歩行(がい)とは、歩行中に生じる手足の動きのパターンをいう。 歩行パターンは生体計測、生体力学、スポーツ、リハビリテーションで広く研究されている。 従来の方法はビデオとモーションキャプチャに頼っているが、足下圧センサー技術の進歩は、歩行に関する深い洞察を提供する。 しかし、歩行中の足底の圧力は、大規模で公開可能なデータセットが不足しているため、未調査のままである。 これに対応するためにUNB StepUPデータベースが作成され、高解像度の圧力感知タイル(4センサー/cm\textsuperscript{2}, 1.2m×3.6m)で収集された歩行圧データを含んでいる。 最初のリリースであるUNB StepUP-P150は、150人以上の個人から、さまざまな歩行速度(推奨、スロー・トゥ・ストップ、ファスト・アンド・スロー)と履物(裸足、標準靴、2つのパーソナル・シューズ)の20万以上の足跡が含まれている。 この種の最大かつ最も包括的なデータセットとして、生体計測歩行認識をサポートし、生体力学と深層学習の新しい研究機会を提示する。 UNB StepUP-P150データセットは、圧力に基づく歩行分析と認識のための新しいベンチマークを設定する。

関連論文リスト

• Impact of Shoe Parameters on Gait Using Wearables [0.0]
  本研究は、慣性計測ユニット(IMU)センサーを搭載したウェアラブルデバイスを用いる。 ウェアラブルデバイスから収集された生センサデータは、拡張カルマンフィルタを用いて処理される。 本分析では, 靴パラメータと歩行特性, 安定性, 移動性, 歩数, 推進力の相関性について検討した。
  論文  参考訳（メタデータ） (2024-12-13T20:57:41Z)
• Presentation Attack Detection with Advanced CNN Models for Noncontact-based Fingerprint Systems [5.022332693793425]
  我々は,7500枚以上の4指画像の提示攻撃検出(PAD)データセットを開発した。 攻撃提示分類誤り率(APCER)0.14%とボナフィド提示分類誤り率(BPCER)0.18%のPAD精度について検討した。
  論文  参考訳（メタデータ） (2023-03-09T18:01:10Z)
• Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
  マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。 本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。 ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
  論文  参考訳（メタデータ） (2022-08-25T10:09:10Z)
• ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
  ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。 ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
  論文  参考訳（メタデータ） (2022-06-14T17:09:35Z)
• Fine-Tuning Large Neural Language Models for Biomedical Natural Language Processing [55.52858954615655]
  バイオメディカルNLPの微調整安定性に関する系統的研究を行った。 我々は、特に低リソース領域において、微調整性能は事前トレーニング設定に敏感であることを示した。 これらの技術は低リソースバイオメディカルNLPアプリケーションの微調整性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-12-15T04:20:35Z)
• Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
  遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。 本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。 我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
  論文  参考訳（メタデータ） (2021-11-24T16:29:03Z)
• Train Short, Test Long: Attention with Linear Biases Enables Input Length Extrapolation [62.51758040848735]
  本稿では,リニアバイアス(ALiBi)を用いた簡易かつ効率的な検査法を提案する。 ALiBiは、単語の埋め込みに位置埋め込みを加えるのではなく、クエリキーのアテンションスコアを、その距離に比例する用語でバイアスする。 本手法では,長さ2048の入力シーケンスに外挿する長さ1024の入力シーケンスに対して,13億のパラメータモデルをトレーニングすることが可能であり,長さ2048の入力に基づいてトレーニングされた正弦波位置埋め込みモデルと同じ難易度を実現する。
  論文  参考訳（メタデータ） (2021-08-27T17:35:06Z)
• Sexing Caucasian 2D footprints using convolutional neural networks [0.9236074230806579]
  本研究では,2次元足の印象の性差における異なる成分の相対的重要性について検討する。 機械学習のアプローチを使って、これを従来の差別方法と比較します。 我々の畳み込みニューラルネットワークは、N=267フットプリント画像のテストセットで、約90%の精度でフットプリントをセックスすることができる。
  論文  参考訳（メタデータ） (2021-07-23T06:56:34Z)
• Learning Linear Policies for Robust Bipedal Locomotion on Terrains with Varying Slopes [5.737287537823072]
  我々はこのポリシーを,2つのロボットプラットフォームであるrabbitとdigitで,モデルフリーで勾配フリーな学習アルゴリズムであるars( augmented random search)を通じて学習する。 後方歩行、ステップインプレース、最大120 Nの外部プッシュからのリカバリなどの追加の動作を示します。 その結果,斜面の異なる地形で二足歩行を行う場合のロバストかつ高速なフィードバック制御法が得られた。
  論文  参考訳（メタデータ） (2021-04-04T18:50:58Z)
• Domain-Specific Language Model Pretraining for Biomedical Natural Language Processing [73.37262264915739]
  バイオメディシンなどのラベルなしテキストの少ないドメインでは、スクラッチから言語モデルを事前学習することで、かなりの利益が得られることを示す。 実験の結果, ドメイン固有のプレトレーニングは, 幅広い生物医学的NLPタスクの基盤となることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-31T00:04:15Z)
• From Kinematics To Dynamics: Estimating Center of Pressure and Base of Support from Video Frames of Human Motion [4.002298833349518]
  本稿では,ビデオフレームから派生した2次元ポーズ(キネマティクス)から足圧ヒートマップを回帰するために,PressNetとPressNet-Simpleという2つのエンドツーエンドディープラーニングアーキテクチャを提案し,検証する。 6人の被験者からなる5分間の長調大地運動シーケンスからなる813,050対の同期対からなる一意のビデオおよび足圧データセットを収集し、一対一のクロスバリデーションに使用する。 最初の実験結果から, 単一画像からの足圧予測の信頼性と再現性を示し, コンピュータビジョンにおける複雑な相互対応写像問題に対する第1の基準線を設定した。
  論文  参考訳（メタデータ） (2020-01-02T22:41:00Z)

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。