حل مشکل دوبارشماری (double counting) در تخمین حالت بدن انسان با استفاده از مدل های احتمالاتی درختی

مدل های احتمالاتی ابزاری موفق در تخمین حالت بدن هستند. دو دسته عمده مدل های مورد استفاده در این زمینه مدل های گرافی و درختی هستند. مدل های گرافی به واسطه قیود بیشتری که در نظر می گیرند امکان تخمین بهتری از ساختار بدن را فراهم می کنند اما استنتاج دقیق در آنها پیچیده است. از طرفی ساختارهای درختی علیرغم سرعت بالا در استنتاج به دلیل عدم در نظر گرفتن برخی از قیود با مشکلاتی نظیر دوبارشماری اندام هایی نظیر دست و پا مواجه هستند که در آن یک دست یا پای انسان به عنوان هر دو دست یا پای فرد در نظر گرفته می شود. برای رفع این مشکل در روش پیشنهادی در این مقاله ابتدا ساختار کلی بدن با استفاده از یک مدل درختی تخمین زده می شود و سپس از یک مدل گرافی به منظور اعمال قیود بیشتر و تخمین بهتر موقعیت بدن استفاده می شود. برای غلبه بر پیچیدگی استنتاج در مدل های گرافی، در هر مرحله یک بخش از ساختار تخمین زده شده اولیه ثابت در نظر گرفته می شود و موقعیت سایر بخش های بدن بروزرسانی می شود. آزمایش های تجربی بر روی پایگاه داده LSP نشان دهنده موفقیت روش پیشنهادی در حل مشکل دوبارشماری اندام ها است.

Keywords:

تخمین حالت بدن انسان , مدل های احتمالاتی گرافی , دوبار شماری , شبکه عصبی عمیق کانولوشنی