Webbapplikation för maskininlärningsbaserad poseuppskattning

Visa enkel post
dc.contributor.authorArte, Elsa
dc.contributor.authorBlixt, Marcus
dc.contributor.authorFrisk, Tobias
dc.contributor.authorFrisk, William
dc.contributor.authorHansson, Isac
dc.contributor.authorOhlsson, Mathias
dc.contributor.departmentChalmers tekniska högskola / Institutionen för fysiksv
dc.contributor.departmentChalmers University of Technology / Department of Physicsen
dc.contributor.examinerSwenson, Jan
dc.contributor.supervisorKarlsteen, Magnus
dc.date.accessioned2024-06-12T06:25:19Z
dc.date.available2024-06-12T06:25:19Z
dc.date.issued2024
dc.date.submitted
dc.description.abstractLöpning är en populär rörelseform. Kunskapen om hur man kan optimera löpteknik är begränsad, trots att bra löpteknik är viktigt för att undvika skador. Ett av verktygen som kan användas för analys av löpning är rörelsefångst. Projektets syfte var att kombinera rörelsefångst med maskininlärning för att skapa en modell som kan användas av löpare och löptränare. Detta genomfördes genom att skapa en webbapplikation för att göra modellen tillgänglig för användning av aktiva löpare. Modellen skapades och tränades på nästan 100 000 koordinatbilder med hjälp av Pythonbiblioteket MMPose. Modellen gav en slutlig precision på 99,3 %. Den representerar en optimerad version av modellen RTMPose, som uppvisar en högre precision på valideringsdatan än modellen RTMPose utan den tillagda träningen. Webbapplikationen som utvecklades för löpare visar en genomsnittlig inferenstid på precis över sju minuter. Dessa resultat är användbara i praktiken och erbjuder ett precist verktyg för att analysera biomekaniken bakom löpning. Detta bidrar till den generella utvecklingen för optimering av löpteknik.
dc.identifier.coursecodeTIFX11
dc.identifier.urihttp://hdl.handle.net/20.500.12380/307783
dc.language.isoswe
dc.setspec.uppsokPhysicsChemistryMaths
dc.subjectRörelsefångst
dc.subjectRörelseanalys
dc.subjectMaskininlärning
dc.subjectLöpning
dc.subjectWebbapplikation
dc.titleWebbapplikation för maskininlärningsbaserad poseuppskattning
dc.type.degreeExamensarbete för kandidatexamensv
dc.type.degreeBachelor Thesisen
dc.type.uppsokM2
Ladda ner
License bundle
Visar 1 - 1 av 1
Bild (thumbnail)
Namn:
license.txt
Storlek:
2.35 KB
Format:
Item-specific license agreed upon to submission
Beskrivning:
Ladda ner
Samling
Examensarbeten för kandidatexamen