《表3 多元回归结果:儿童运动协调障碍AI诊断系统研究综述》
随着计算机视觉[19,35]和自然语言处理[36-37]的深度学习方法的兴起,基于深度学习方法的动作识别模型也得到了进一步的研究,且相较于传统方式取得了更好的效果,其主要优势在于用深度学习模型抽取特征替代了传统的手工设计特征,且可以实现端到端的训练方式,但在可解释性上目前还存在一些问题。动作识别的最初直接思路是对视频中的每一帧静止图像进行动作识别,这种做法丢失了时间维度的信息,在区分高度相似的动作时会存在很大的问题,如“开门动作”和“关门动作”,所以如何建模时间维度的信息是动作识别准确度的关键要素。后续发展的方向可以根据是否进行检测人体关键点的上游任务来区分为不检测关键点的videobased的方法和检测关键点的skeleton-based的方法,表3是对动作识别模型的总结。
图表编号 | XD00197461600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.15 |
作者 | 陈艳杰、舒大伟、杨吉江、王欢、王青、雷毅 |
绘制单位 | 首都医科大学附属北京儿童医院儿童保健中心、清华大学深圳国际研究生院信息科学与技术学部、清华大学信息技术研究院、国家体育总局体育科学研究所、清华大学信息技术研究院、清华大学信息技术研究院 |
更多格式 | 高清、无水印(增值服务) |