الأبحاث المرتبطة بالكلمة المفتاحية: التعرف على النشاط
-
التعرف على الأنشطة البشرية في مجموعة مفتوحة من مستشعرات الحركة المثبتة على الرأس
2026 | المؤلف: Angela Cortese وآخرون | المجلة: Sensors | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)يقدم هذا القسم من ورقة البحث النتائج الرئيسية المتعلقة بتحسين مصنفات التعرف على النشاط البشري (HAR) المثبتة على الرأس. يكشف أن المصنفات الحالية يمكن تعديلها لتحديد الأنشطة غير المرئية سابقًا من خلال دمج آليات مفتوحة خفيفة الوزن بعد الحدث، دون الحاجة إلى تغييرات في بنية النموذج أو إعادة التدريب. تُظهر تقييم شامل يستبعد نشاطًا واحدًا…
-
شبكة CNN ثلاثية الأبعاد خفيفة الوزن للتعرف على أفعال الإنسان المعتمدة على الأحداث مع إمكانية الحفاظ على الخصوصية
2026 | المؤلف: Mehdi Sefidgar Dilmaghani وآخرون | المجلة: IEEE Access | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم هذه الورقة البحثية شبكة عصبية تلافيفية ثلاثية الأبعاد خفيفة الوزن (3D-CNN) مصممة للتعرف على نشاط الإنسان (HAR) باستخدام بيانات الرؤية المعتمدة على الأحداث، والتي توفر بديلاً يحافظ على الخصوصية مقارنة بالكاميرات التقليدية المعتمدة على الإطارات. النموذج المقترح يلتقط الديناميات المكانية والزمانية بفعالية مع الحفاظ على هيكل مدمج مناسب للنشر على الأجهزة الطرفية. للتخفيف من…
-
التعرف الفعال على أنشطة الإنسان على الأجهزة الطرفية باستخدام هياكل DeepConv LSTM
2025 | المؤلف: Haotian Zhou وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)يتناول هذا القسم من ورقة البحث نشر نماذج التعلم العميق الخفيفة للتعرف على أنشطة الإنسان (HAR) على الأجهزة ذات الموارد المحدودة باستخدام TinyML، مدفوعة بالتطورات في إنترنت الأشياء (IoT). صمم المؤلفون وقيموا ثلاثة نماذج: شبكة عصبية تلافيفية ثنائية الأبعاد (2D CNN)، شبكة عصبية تلافيفية أحادية الأبعاد (1D CNN)، وDeepConv LSTM. أظهرت DeepConv LSTM أداءً متفوقًا،…
-
اللغز: أخذ تتبع الماشية إلى المستوى التالي
2024 | المؤلف: Jehan-Antoine Vayssade وآخرون | المجلة: Scientific Reports | المجال: الحيوانات الصغيرة (Small Animals)إن دمج الكاميرات والذكاء الاصطناعي في دراسات سلوك الحيوانات يمثل طريقًا واعدًا لتعزيز إدارة صحة ورفاهية الحيوانات. تتناول هذه الدراسة التحديات المرتبطة بمشكلة تتبع الأجسام المتعددة، والتي تعقد تخصيص البيانات. يقدم المؤلفون حلاً مبتكرًا يسمى “Puzzle”، والذي يبدأ بتسلسلات فيديو سهلة التتبع لتدريب شبكة عصبية تلافيفية (CNN) تحدد ميزات المظهر للحيوانات الفردية. يتم تطبيق هذه…
-
TCN-attention-HAR: التعرف على النشاط البشري بناءً على آلية الانتباه في الشبكة التلافيفية الزمنية
2024 | المؤلف: Wei Xiong وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث نموذجًا جديدًا للتعلم العميق للتعرف على نشاط الإنسان (HAR) يستفيد من بيانات المستشعرات القابلة للارتداء. النموذج المقترح، الذي يُطلق عليه TCN-Attention-HAR، يدمج شبكة الالتفاف الزمنية (TCN) مع آلية الانتباه لتعزيز استخراج الميزات المتغيرة زمنياً والتخفيف من المشكلات مثل انفجار التدرجات المرتبطة بالشبكات العميقة. من خلال تحسين حجم المجال الاستقبالي واستخدام آليات الانتباه،…