TAILIEUCHUNG - Một mô hình học sâu cho bài toán phát hiện người bị ngã

Bài viết mô tả kiến trúc mạng (2+1)D ResNet-18, trình bày các thử nghiệm trên hai bộ dữ liệu FDD và bộ dữ liệu URFD cũng như thảo luận về kết quả. Mời các bạn cùng tham khảo bài viết để nắm chi tiết hơn nội dung nghiên cứu. | TNU Journal of Science and Technology 225 14 48 - 53 MỘT MÔ HÌNH HỌC SÂU CHO BÀI TOÁN PHÁT HIỆN NGƯỜI BỊ NGÃ Phùng Thị Thu Trang1 Ma Thị Hồng Thu2 1Trường Ngoại ngữ - ĐH Thái Nguyên 2Trường Đại học Tân Trào TÓM TẮT Té ngã là một trong những vấn đề nghiêm trọng đối với con người chiếm tỷ lệ tử vong lên đến 25 tỷ lệ này càng cao hơn đối với những người cao tuổi. Nhận dạng người bị ngã là một trong những bài toán quan trọng trong lĩnh vực thị giác máy tính. Những năm gần đây thị giác máy tính đã đạt được tiến bộ ấn tượng khi mà học sâu thể hiện khả năng tự động học. Đã có nhiều mô hình học sâu dựa trên mạng nơ ron tích chập 3D CNN đã được đề xuất để giải quyết vấn đề này. Trong bài báo này chúng tôi đề xuất một mô hình 2 1 D ResNet-18 giải quyết bài toán nhận dạng người bị ngã. Kết quả thử nghiệm cho thấy 2 1 D ResNet-18 cho độ chính xác tốt hơn 0 87 trên bộ dữ liệu FDD và 1 13 trên bộ dữ liệu URFD so với các phương pháp được đề xuất gần đây. Từ khóa Học sâu mạng CNN phát hiện người bị té ngã mạng nơron 2 1 D ResNet Ngày nhận bài 05 8 2020 Ngày hoàn thiện 13 11 2020 Ngày đăng 27 11 2020 A DEEP LEARNING MODEL FOR FALLING DETECTION Phung Thi Thu Trang1 Ma Thi Hong Thu2 1TNU School of Foreign Languages 2Tan Trao University ABSTRACT Falling is one of the most serious problems for humans accounting for up to 25 of death rates which is even higher for the elderly. Falling detection is one of the most important problems in computer vision. In recent years computer vision has made impressive progress when deep learning demonstrates the ability to automatically learn. There have been many deep learning models based on 3D convolutional neural network CNN that have been proposed to solve this problem. In this paper we propose a model which is called 2 1 D ResNet-18 to solve the falling detection task. The experimental results show that 2 1 D ResNet-18 gives better accuracy on the FDD dataset and on the URFD dataset than the recently proposed methods. Keywords Deep .

• Tự động hoá
• Phát hiện người bị té ngã
• Bài toán phát hiện người bị ngã
• Kiến trúc mạng (2+1)D ResNet 18
• Bộ dữ liệu FDD
• Thị giác máy tính
• Xử lý hình video
• Hướng dẫn sử dụng Total Video Converter
• công cụ chuyển đổi định dạng file
• xử lý file nhạc
• xử lý file video
• cách chuyển đổi định dạng file
• chậm tải video
• Audio & video số
• Hệ thống Audio và Video
• Kỹ thuật Audio và Video
• Camera ghi hình
• Truyền dẫn số
• Xử lý tín hiệu số
• Phân phối multimedia
• mẹo thiết kế
• chương trình đồ họa
• xử lý hình ảnh
• thiết kế đồ họa
• giáo trình thiết kế
• Dự đoán khung hình trong video
• Mô hình Future frame prediction
• Bộ dữ liệu UCSD Ped1
• Hoạt động giám sát an ninh
• Kỹ thuật xử lý rút trích
• macromedia flash
• tài liệu về video flash
• tài liệu về ActionScript 3
• tài liệu viễn thông
• thi công cáp quang
• Xử lý tín hiệu
• mẫu tín hiệu video
• Truyền hình cáp
• Tổng Công Ty Truyền Hình Cáp VN
• dẫn tín hiệu số
• Xử lý kỹ xảo với After Effect
• Kỹ thuật nâng cao trong phần mềm After Effect
• Kỹ thuật lồng ghép các lớp video
• Tạo hiệu ứng hình ảnh cho cảnh phim
• Làm việc với mặt nạ trong After Effect
• Thuộc tính của mặt nạ
• Tạo mặt nạ với công cụ tạo hình
• Chức năng làm mềm biên với mặt nạ
• kỹ thuật chụp ảnh
• hệ điều hành android
• kỹ thuật làm ảnh nền
• kỹ thuật làm ảnh
• Ký tự đồ họa
• Hệ quang điện tử
• Thiết kế mạch OSD
• Chip xử lý video chuyên dụng
• Kỹ thuật OSS
• Thẻ Capture
• thẻ công cụ sắp xếp
• Thẻ Edit
• Chèn hình ảnh lên phim
• xử lý đoạn phim