الأبحاث المرتبطة بالكلمة المفتاحية: تعرف على الحركة
-
دمج التمثيلات المعتمدة على الهيكل العظمي لتصنيف أوضاع اليوغا بشكل موثوق باستخدام نماذج التعلم العميق
2026 | المؤلف: Mohammed Mohi-Ud-Din وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث دراسة شاملة حول تصنيف أوضاع اليوغا الآلي، مع تسليط الضوء على أهمية التعرف الدقيق على الأوضاع لمنع الإصابات المرتبطة بالوضعيات غير الصحيحة. يقدم المؤلفون مجموعة بيانات جديدة، “Yoga-16″، التي تعالج قيود مجموعات البيانات الحالية وتقييم منهجي لثلاثة هياكل تعلم عميق—VGG16 و ResNet50 و Xception—باستخدام ثلاثة أوضاع إدخال مختلفة: الصور الخام، وصور هيكل…
-
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…
-
الشبكات العصبية التلافيفية، والشبكات العصبية المتكررة، والمحولات في التعرف على الحركة البشرية: استعراض ونموذج هجين
2025 | المؤلف: Khaled Alomar وآخرون | المجلة: Artificial Intelligence Review | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم هذه القسم نظرة عامة على التعرف على أفعال الإنسان (HAR)، مع تسليط الضوء على أهميته في مجالات مختلفة مثل التطبيقات الطبية والتعليمية والمراقبة. لقد تأثر تقدم HAR بشكل كبير بتبني الشبكات العصبية التلافيفية (CNNs) والشبكات العصبية المتكررة (RNNs)، التي حسنت استخراج وفهم البيانات المعقدة. مؤخرًا، ظهرت المحولات البصرية (ViTs) كبديل قوي، مما يدل على…
-
شبكات GCN-Transformer الزمانية المكانية ذات المسارين للتعرف على الأفعال المعتمدة على الهيكل
2025 | المؤلف: Dong Chen وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث بنية جديدة للتعرف على الأفعال المعتمدة على الهيكل العظمي، تُسمى SA-TDGFormer، والتي تدمج الشبكات العصبية التلافيفية البيانية (GCNs) ونماذج المحولات في تكوين متوازي. تتناول هذه الطريقة قيود الأساليب السابقة التي اعتبرت الهيكل العظمي البشري كهيكل كامل، وغالبًا ما تغفل أهمية الأجزاء الهيكلية المتصلة بشكل غير مباشر. تتكون البنية المقترحة من هيكل مزدوج…
-
DeGCN: الشبكات التلافيفية القابلة للتشويه للتعرف على الحركة المعتمدة على الهيكل العظمي
2024 | المؤلف: Woomin Myung وآخرون | المجلة: IEEE Transactions on Image Processing | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم البحث شبكة الالتواء الرسومية التلافيفية (DeGCN)، وهي إطار عمل جديد مصمم للتعرف على الأفعال المعتمدة على الهيكل العظمي، والذي يعالج القيود في الشبكات التلافيفية الرسومية الحالية (GCNs). غالبًا ما تستخدم GCNs التقليدية أنماط تجميع رسائل صارمة، والتي تفشل في حساب التباين داخل الفئة ويمكن أن تتضمن اتصالات غير ذات صلة في تسلسلات الهيكل العظمي.…