الگوریتم وضعیت متحرک
ارائه نهایی ما از دسامبر 2020
دربارهٔ پروژه
بهعنوان پروژهٔ نهایی ما برای درس مقدمهای بر یادگیری ماشین (CSCI470) در پاییز 2020 در Colorado School of Mines، تیم ما که شامل Andrew Darling، Eric Hayes و خودِ من (Mehmet) بود، الگوریتم «Moving Pose» را پیادهسازی کرد.
هدف این بود که یک مجموعهدادهٔ اسکلتی که توسط یک حسگر عمقی ثبت شده بود را گرفته و کنشهای انسانی را طبقهبندی کنیم. ما نهتنها الگوریتم اصلی را پیادهسازی کردیم، بلکه یک رابط کاربری ساده نیز توسعه دادیم تا قابلیتهای آن را نمایش دهد.
الگوریتم Moving Pose که در اصل توسط Mihai Zanfir، Marius Leordeanu و Cristian Sminchisescu پیشنهاد شد، روشی قدرتمند برای بازشناسی و درک سریع و دقیق کنشهای انسانی از دادههای اسکلتی سهبعدی است.
مقاله
پیادهسازی ما بر پایهٔ مقالهٔ The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) توسط Mihai Zanfir، Marius Leordeanu و Cristian Sminchisescu است.
مجموعهداده
مدل ما روی MSR DailyActivity 3D Dataset آموزش داده شد و آزمایش شد. ما روی کنشهای زیر از این مجموعهداده تمرکز کردیم:
پیشنمایش رابط کاربری
ما یک GUI ساده ساختیم تا عملکرد الگوریتم را بهصورت بلادرنگ نمایش دهیم. برای جزئیات بیشتر دربارهٔ GUI و سختافزار استفادهشده، لطفاً فایل README.md را در پوشهٔ /movingpose/gui/ از مخزن پروژه ببینید.
