1. На главную
  2. Электронные версии
  3. Известия РАН. Теория и системы управления
  4. № 4, 2023

Известия РАН. Теория и системы управления, 2023, № 4, стр. 121-124

ПРИВИЛЕГИРОВАННОЕ ОБУЧЕНИЕ С ПОМОЩЬЮ РЕГУЛЯРИЗАЦИИ В ЗАДАЧЕ ОЦЕНКИ ПОЗЫ ЧЕЛОВЕКА

М. С. Каприелова a, *, Р. Г. Нейчев b, **, А. Д. Тихонова b, ***

a Федеральный исследовательский центр “Информатика и управление” РАН
Москва, Россия

b Московский физико-технический институт
Москва, Россия

* E-mail: kaprielova.ms@phystech.edu
** E-mail: neychev@phystech.edu
*** E-mail: tikhonova.ad@phystech.edu

Поступила в редакцию 03.01.2022
После доработки 08.01.2023
Принята к публикации 06.02.2023

Аннотация

Решается задача оценки позы человека по видеоданным. Производится анализ различных ключевых точек тела человека. Исследуется изменение точности фиксированной модели при использовании различных пропорций в регуляризационном слагаемом функции потерь. Показано, что при фиксированном количестве тренировочных эпох точность модели отличается в зависимости от выбранных пропорций. Кроме того, продемонстрировано, что линейная корреляция между траекториями ключевых точек, входящих в состав регуляризационного слагаемого, не является основным критерием при прогнозировании эффективности применения регуляризационного слагаемого функции потерь.

Список литературы

  1. Vapnik V., Vashist A. A New Learning Paradigm: Learning Using Privileged Information // Neural Networks. 2009. V. 22. P. 544–557.

  2. Lehrmann A., Gehler P., Nowozin S. A Non-parametric Bayesian Network Prior of Human Pose // Proc. IEEE Intern. Conf. On Computer Vision. Sydney, 2013. P. 1281–1288.

  3. Ionescu C., Papava D., Olaru V., Sminchisescu C. Human3. 6m: Large Scale Datasets and Predictive Methods for 3d Human Sensing in Natural Environments // IEEE Trans. On Pattern Analysis And Machine Intelligence. 2013. V. 36. P. 1325–1339.

  4. Ignatov A., Strijov, V. Human Activity Recognition Using Quasiperiodic Time Series Collected from a Single Tri-axial Accelerometer // Multimedia Tools And Applications. 2016. V. 75. P. 7257–7270.

  5. Katrutsa A., Strijov V. Stress Test Procedure for Feature Selection Algorithms // Chemometrics And Intelligent Laboratory Systems. 2015. V. 142. P. 172–183.

  6. Cliff O., Lizier J., Tsuchiya N., Fulcher B. Unifying Pairwise Interactions in Complex Dynamics // ArXiv 2022. ArXiv Preprint ArXiv:2201.11941.

  7. Trumble M., Gilbert A., Malleson C., Hilton A., Collomosse J. Total Capture: 3d Human Pose Estimation Fusing Video and Inertial Sensors // Proc. Of 28th British Machine Vision Conf. London, 2017. P. 1–13.

  8. Márquez-Neila P., Salzmann M., Fua P. Imposing Hard Constraints on Deep Networks: Promises and Limitations // ArXiv Preprint ArXiv:1706.02025 (2017).

  9. De Luca G., Lampoltshammer T., Scholz, J. How Many Equations of Motion Describe a Moving Human? // ArXiv Preprint ArXiv:2207.14331 (2022).

  10. Zheng C., Zhu S., Mendieta M., Yang T., Chen C., Ding, Z. 3d Human Pose Estimation with Spatial and Temporal Transformers // Proc. IEEE/CVF Intern. Conf. On Computer Vision. Montreal, 2021. P. 11656–11665.

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Известия РАН. Теория и системы управления

Архивы выпусков Информация о журнале Отправить рукопись в журнал