Idanimọ igbese
Idanimọ iṣe jẹ iṣẹ ti nkọ awọn kọnputa lati ṣe idanimọ ohun ti eniyan tabi awọn nkan n ṣe * ni fidio - ṣiṣiṣẹ, fifẹ, ja bo, ṣiṣi ilẹkun - kii ṣe ohun ti o han ni fireemu kan.
Akopọ
It matters because understanding motion over time unlocks applications from sports analytics to elderly fall detection.
Jin Dive
Idanimọ iṣe lọ kọja isọdi aworan aimi nipasẹ ironu nipa bii awọn piksẹli ṣe yipada ni gbogbo akoko. Férémù kan lè fi ènìyàn hàn ní àárín afẹ́fẹ́; nikan ni ọkọọkan han boya ti won ti wa fo, ja bo, tabi iluwẹ. Awọn ọna ṣiṣe ni kutukutu awọn ẹya išipopada ti a ṣe ni ọwọ bii ṣiṣan opiti ati awọn itọpa ipon. Awọn isunmọ ode oni lo awọn nẹtiwọọki ti o jinlẹ: hihan ilana awọn ọna kika ṣiṣan meji-ọna (awọn fireemu RGB) ati išipopada (sisan opiti) lọtọ; Awọn nẹtiwọọki convolutional 3D (bii C3D ati I3D) awọn asẹ ifaworanhan nipasẹ aaye * ati * akoko; ati awọn oluyipada fidio (TimeSformer, VideoMAE) lo akiyesi kọja awọn abulẹ-aye-akoko. Awọn ipilẹ aṣepari pẹlu Kinetics (awọn kilasi iṣe eniyan 700 lati YouTube), UCF101, ati Nkankan-Nkankan, eyiti o fi ipa mu awọn awoṣe lati loye itọsọna igba diẹ kuku ju ipo ipo iṣẹlẹ nikan.
Imọ-imọ-ẹrọ
Ipenija mojuto ni ṣiṣe awoṣe iwọn akoko. Iyika 3D kan fa àlẹmọ 2D deede kan pẹlu ọga ijinle kan ti o tan ọpọlọpọ awọn fireemu, nitorinaa o kọ awọn ilana išipopada taara. Ẹtan I3D naa 'fikun' awọn iwuwo lati inu nẹtiwọọki aworan 2D ti a ti kọkọ tẹlẹ lori ImageNet sinu 3D nipa ṣiṣe ẹda wọn kọja akoko, fifun aaye ibẹrẹ to lagbara. Awọn ọna ṣiṣan meji dipo ifunni ṣiṣan opiti ti a ti ṣaju iṣiro sinu ẹka lọtọ, gbigbe koodu ni gbangba ati lẹhinna dapọ pẹlu awọn ẹya irisi.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ojo iwaju ti idanimọ Action
Aaye naa n yipada si awọn oluyipada fidio ti o munadoko ati iṣaju iṣaju iṣaju ti ara ẹni (apẹrẹ fidio ti o boju-boju) ti o kọ ẹkọ lati aworan ti ko ni aami, gige igbẹkẹle lori awọn asọye gbowolori. Reti isọdọkan wiwọ pẹlu awọn awoṣe ede multimodal nitorina awọn ọna ṣiṣe ko le ṣe aami awọn iṣe nikan ṣugbọn ṣapejuwe ati ṣe alaye nipa wọn ni ede adayeba. Akoko gidi, idanimọ ẹrọ fun awọn wearables, awọn ẹrọ roboti, ati awọn kamẹra smati jẹ aala pataki kan, lẹgbẹẹ idanimọ ti o dara ti o ṣe iyatọ arekereke, awọn išipopada isunmọ-isunmọ.
Real-World imuse
Awọn eto wiwa isubu ni awọn ile itọju agbalagba ti o ṣe akiyesi oṣiṣẹ nigbati olugbe kan ṣubu, iyatọ isubu lati joko tabi dubulẹ
Awọn iru ẹrọ atupale ere idaraya ti o samisi awọn iṣẹ adaṣe, awọn tackles, ati awọn iyaworan ni aworan ibaamu fun ikẹkọ ati awọn ifojusi igbohunsafefe
Abojuto ati abojuto aabo ti o ṣe asia ihuwasi ajeji bii ija, ija, tabi ẹnikan ti n gun odi
Awọn atọkun iṣakoso idari ati awọn ohun elo amọdaju ti o ka awọn atunṣe ati ṣayẹwo fọọmu adaṣe nipa riri awọn gbigbe ara ni akoko pupọ
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Action Recognition quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Idanimọ oju
Awọn ibeere ti a beere nigbagbogbo
What is Action Recognition?
Idanimọ iṣe jẹ iṣẹ ti nkọ awọn kọnputa lati ṣe idanimọ ohun ti eniyan tabi awọn nkan n ṣe * ni fidio - ṣiṣiṣẹ, fifẹ, ja bo, ṣiṣi ilẹkun - kii ṣe ohun ti o han ni fireemu kan. O ṣe pataki nitori oye iṣipopada lori akoko ṣi awọn ohun elo lati awọn atupale ere idaraya si wiwa isubu agbalagba.
Kini ni ipilẹṣẹ ṣe iyatọ idanimọ iṣe lati iyasọtọ aworan lasan?
Awọn awoṣe idanimọ iṣe ṣiṣẹ lori ọna ti awọn fireemu, nitori aworan ẹyọkan nigbagbogbo ko le ṣafihan boya ẹnikan n fo, ṣubu, tabi omi omi.
Ninu nẹtiwọọki idanimọ iṣe ṣiṣan-meji Ayebaye, kini ṣiṣan keji n ṣe ilana deede?
Awọn faaji ṣiṣan-meji lo ẹka kan fun irisi (awọn fireemu RGB) ati ẹka keji fun ṣiṣan opiti, eyiti o ṣe koodu iṣipopada taara laarin awọn fireemu.
Kí ni a 3D convolution fi akawe si a boṣewa 2D convolution?
Iyika 3D fa àlẹmọ pọ pẹlu iwọn ijinle/akoko, jẹ ki o kọ ẹkọ awọn ilana iṣipopada taara kọja awọn fireemu itẹlera.
Kini ẹtan 'afikun' ti a lo nipasẹ awoṣe I3D?
I3D 'fikun' awọn iwuwo ti a ti kọkọ tẹlẹ lori awọn aworan 2D (bii ImageNet) sinu 3D nipa didakọ wọn lẹgbẹẹ ipo akoko, pese ipilẹṣẹ to lagbara.
Kini idi ti ipilẹ data Nkan-Nkankan ṣe akiyesi fun idanimọ iṣe?
Nkankan-Nkankan jẹ apẹrẹ ki iṣe naa da lori aṣẹ akoko ati išipopada, idilọwọ awọn awoṣe lati iyan ni lilo abẹlẹ tabi irisi ohun nikan.