3Dヒューマンポーズエスティメーションのすべて 🚩
理論で一度、実習で確実に 3D Human Pose Estimation! もし私の話なら注目してください ✅
常に同じ画像分類/オブジェクト検出モデルの代わりに新しい分野を学びたい方
✅
卒業プロジェクトは鼻の前ですが、まだ話題を決めていない大学生
✅
斬新なテーマや分野でAIコンペに参加したい学生
✅
AI関連大学院で何を研究しているのか気になった方
3D Human Pose Estimationは、人工知能コンピュータビジョンの分野の1つで、VR / ARおよびロボティクス、映像分析、アバター生成、映画事業など、幅広い分野で使用されている強力な人工知能技術です。
画像生成のためのポーズ推定
実際、コンピュータビジョンの分野では、3D関連論文の投稿数は毎年増加しており、世界中で多くの研究が進められている。それにもかかわらず、いざ関連技術を学習するための資料は見つけにくいので、多くの方が3D Human Pose Estimationの学習を躊躇します。
この講義では、 3D Human Pose Estimation理論 について学び、実際のコードで画像から3D Human Poseを生成する実習 を進めます。
ゴルフスイング映像で構築する 実戦モデル構築 🏌️♀️ 本講義は、私が過去2年間に人工知能大学院で研究したテーマとして、これまでの知識を凝縮した講義です。
YouTubeで得られたゴルフスイング映像でトレーニングデータセットを構築し、正解データなしで3D Human Pose Estimatorをトレーニングすることで、特定のドメイン(ゴルフスイング)に特化したモデルを構築すること がこの講義の目標です。
VIDEO
参入障壁を下げました
受講生の皆さんは、既存にアクセスしやすくなく、資料を見つけることも困難であった3D Human Pose Estimation分野の人工知能技術を深い概念説明を通じて味わうことができます。
フォローして体験し、熟してください。
底から始まる理論授業の代わりに従い、身につける授業を目指します。一緒にモデルトレーニング/評価コードを実行して、準備した画像に対して3Dヒューマンポーズを生成するプロセスを直接体験します。
私たちの最終目標は、「独自のデータセットを構築すること」です! 💡講義を聞いたら、あなたはデータセットを構築してネットワークを訓練することができます。したがって、例として一緒にゴルフスイングだけでなく、ヨガ、スクワット、ボウリングなど、人間の特定の活動のための3D Human Poseを提供するサービスを企画する基盤 を固めることができるでしょう!
この講義を作成した知識共有者 「いじめ」キム・ヒョヌを紹介します。 この講義を作ったフォローは🥽 コンピュータ学、人工知能専攻知識、多数のディープラーニング/マシンラーニングプロジェクト経験とコンテスト受賞、大学院研究経歴を 基に、皆様に研究およびプロジェクト経験を提供いたします。
高麗大学人工知能学科修士卒業 SCI(E)論文、国際学会発表 こんにちは、フォローキム・ヒョヌです。 2年前、Inflearnに「一日で作るフラッグハブブログ」講義を立ち上げ、多くの方が私の講義を愛していただきました。
当時の講義制作が初めてだったので、軽い心で講義を始めましたが、いろいろ不足していたことが多かったです。責任感が重いということを知らなかったという考えで、現在は講義を中断しました。 今、皆さんに公開するこの講義は、このような私の経験に基づいて不足している部分を最大限に減らし改善した講義 です。
高麗大学人工知能学と修士課程を 2年ぶりに卒業する過程で、人工知能およびコンピュータビジョン分野の世界19位学会であるACCV2022(Asian Conference on Computer Vision)に3D Human Pose Estimation分野の論文 を掲載し、口頭発表論文にも選ばれた経験があります。
人工知能 特定分野へのアクセス性が良くないため、多くの方々が学習を始めるのに疲れを感じたり放棄する様子を見て今回の講義を作ってみました。過去2年間の学びと試行錯誤を講義に入れました。 この講義を通じて、より多くの方が3D Human Pose Estimation分野に興味を持ち、新たな達成感 をもたらしたいと思います:)
Q&A 💬 Q. 人工知能について全く知りません。私がこのクラスを聞いて得ることができるものはありますか?
それでは!この講義を通じて人工知能にもっと興味を感じることができます。また、構築したモデルでいつでも自分だけのデータ、自分だけのモデルを作る能力も備えられるようになります。 (選手の知識でPythonPythonを使用できるなら誰でも聞くことができる講義です!)
Q. 講義を聞く前に準備すべきことはありますか?
GPU(グラフィックカード)、Ubuntu(OS)を準備する必要があります。
上記の問題で払い戻しができないことを事前にお知らせします。
Q. 授業内容はどのレベルまで扱いますか?
実際のモデルのトレーニングと評価コードを実行する前に、一緒に論文を見てみましょうが、深い理論を直接知らせるのではなく、知っておくべき事前知識をガイドします。私がこの分野の研究をしながら、関連する事前知識を全く知らず、長い間苦労しました。何を知るべきか、この論文の文章で何を言っているのかを簡単に説明しながら進めます。
練習にはUbuntu OSとプログラムエディタ、グラフィックカード(GPU) が必要です。レッスンでは、プログラムエディタとしてVisual Studio Codeを使用します。 受講者にはソースコードを提供します。また、必要な追加資料はリンクなどを通じて簡単に提供いたします。 Pythonプレーヤーの 知識が必要です。 Pythonを全く使用した経験がない方は、Pythonを学んでから本講義を受講することをお勧めします。 基礎人工知能講義またはディープラーニング講義を聞いた方 にお勧めする過程です。講義や学習資料を無断で配布しないでください。私の努力と時間、そして情熱が入った学習資料です。