Am\u00e9lioration de l'estimation de la pose et de la d\u00e9tection des erreurs par le 64%.<\/p>\n
Le client est une start-up am\u00e9ricaine sp\u00e9cialis\u00e9e dans la reconnaissance de l'activit\u00e9 humaine et l'analyse des mouvements.
Elle propose une application mobile de soins de sant\u00e9 con\u00e7ue pour capturer et \u00e9valuer les mouvements du corps humain pendant les s\u00e9ances d'entra\u00eenement et de kin\u00e9sith\u00e9rapie. L'application est \u00e9quip\u00e9e d'outils de suivi qui aident les utilisateurs \u00e0 s'exercer correctement et \u00e0 atteindre leurs objectifs de remise en forme.<\/p>\n
Les solutions open-source pour l'estimation de la posture mobile ne semblaient pas fonctionner pour le client, c'est pourquoi il a demand\u00e9 conseil \u00e0 ESSID Solutions sur le probl\u00e8me de l'estimation de la posture humaine en temps r\u00e9el. Il convient \u00e9galement de mentionner qu'il n'existe pas de solutions communes pour la d\u00e9tection des erreurs et le comptage des r\u00e9p\u00e9titions.<\/p>\n
Pour se d\u00e9marquer de la concurrence sur le march\u00e9 des applications de sant\u00e9 mobile, le client souhaitait doter son application d'une IA (intelligence artificielle). Il rencontrait des difficult\u00e9s dans l'estimation de la pose du corps humain. La t\u00e2che principale de notre \u00e9quipe \u00e9tait d'am\u00e9liorer sa pr\u00e9cision sans affecter la vitesse et la facilit\u00e9 d'utilisation.<\/p>\n
Le client souhaitait am\u00e9liorer son application de fitness en y ajoutant la d\u00e9tection d'erreurs en temps r\u00e9el pendant les s\u00e9ances d'entra\u00eenement et de kin\u00e9sith\u00e9rapie. Cette fonctionnalit\u00e9 peut aider l'utilisateur \u00e0 \u00e9viter les erreurs d'entra\u00eenement les plus courantes et \u00e0 r\u00e9duire consid\u00e9rablement le risque de blessure.<\/p>\n
L'\u00e9quipe d'ESSID Solutions a relev\u00e9 le d\u00e9fi de fournir au client les \u00e9l\u00e9ments suivants estimation robuste de la pose<\/a> et de d\u00e9tection des erreurs.<\/p>\n L'estimation de la position est une technique de vision par ordinateur qui pr\u00e9dit et suit non seulement l'emplacement d'une personne ou d'un objet, mais aussi les articulations en particulier. Des progr\u00e8s remarquables ont \u00e9t\u00e9 r\u00e9alis\u00e9s jusqu'\u00e0 pr\u00e9sent dans l'estimation de la posture, mais la reconnaissance des activit\u00e9s humaines dans la vie r\u00e9elle n'est toujours pas r\u00e9gl\u00e9e. Cette t\u00e2che devient encore plus difficile lorsqu'elle est abord\u00e9e non pas \u00e0 partir de cam\u00e9ras autonomes en mode hors ligne, mais \u00e0 partir de smartphones en temps r\u00e9el. En effet, l'ex\u00e9cution en temps r\u00e9el augmente consid\u00e9rablement le d\u00e9bit des donn\u00e9es d'entr\u00e9e et les calculs n\u00e9cessaires, alors que les appareils mobiles sont toujours limit\u00e9s en termes de ressources informatiques disponibles.<\/p>\n L'estimation de la posture peut \u00eatre class\u00e9e selon les types suivants : estimation de la posture d'une seule personne ou de plusieurs personnes, en 3D ou en 2D, en temps r\u00e9el ou hors ligne. Apr\u00e8s avoir analys\u00e9 les besoins du client, nous avons d\u00e9cid\u00e9 que l'estimation de la posture d'une seule personne en 2D et en temps r\u00e9el serait une bonne solution lorsqu'elle est appliqu\u00e9e \u00e0 des exercices physiques tr\u00e8s diff\u00e9rents.<\/p>\n Pour d\u00e9tecter les articulations humaines en mouvement en temps r\u00e9el, nous avons appliqu\u00e9 des approches d'apprentissage profond adapt\u00e9es aux probl\u00e8mes complexes de vision par ordinateur. Nos ing\u00e9nieurs ont d\u00fb d\u00e9velopper une toute nouvelle technologie de r\u00e9seau neuronal pour tirer parti d'un grand nombre de connaissances et d'id\u00e9es, afin d'obtenir une qualit\u00e9 de d\u00e9tection des articulations comp\u00e9titive.<\/p>\n Nous avons commenc\u00e9 par r\u00e9unir toutes sortes d'ensembles de donn\u00e9es ouvertes pour diff\u00e9rents types d'estimation de la posture humaine, car les quantit\u00e9s massives de donn\u00e9es sont un ingr\u00e9dient crucial des r\u00e9seaux neuronaux profonds de haute qualit\u00e9 qui fonctionnent avec pr\u00e9cision et robustesse dans les cas d'utilisation sp\u00e9cifiques du monde r\u00e9el. En outre, nous avons d\u00fb d\u00e9velopper nos propres m\u00e9thodes d'augmentation des donn\u00e9es pour accro\u00eetre l'ensemble des donn\u00e9es.<\/p>\n Apr\u00e8s avoir trait\u00e9 les ensembles de donn\u00e9es, nous avons d\u00e9velopp\u00e9 un mod\u00e8le avanc\u00e9 de squelette humain avec des points cl\u00e9s suppl\u00e9mentaires qui ont consid\u00e9rablement \u00e9largi nos possibilit\u00e9s d'analyse des exercices de remise en forme et de th\u00e9rapie physique.<\/p>\n L'\u00e9tape suivante consistait \u00e0 cr\u00e9er une architecture neuronale efficace pour l'estimation de la pose. Le client \u00e9tait pr\u00e9occup\u00e9 par les performances de l'application mobile, c'est pourquoi nous nous sommes concentr\u00e9s sur l'optimisation de l'efficacit\u00e9 op\u00e9rationnelle et la r\u00e9duction du temps de chargement.<\/p>\n Nous avons utilis\u00e9 PyTorch pour fournir au client un pipeline d'entra\u00eenement rationalis\u00e9 ainsi que des mod\u00e8les CoreML pour le d\u00e9ploiement des mod\u00e8les d'apprentissage profond et de CV que nous avons d\u00e9velopp\u00e9s.<\/p>\n Un autre probl\u00e8me de science des donn\u00e9es consistait \u00e0 mettre en \u0153uvre la d\u00e9tection des erreurs lors des s\u00e9ances d'entra\u00eenement et de th\u00e9rapie physique. La d\u00e9tection des erreurs permet de comprendre les formes appropri\u00e9es et incorrectes d'ex\u00e9cution des exercices physiques. Elle est utilis\u00e9e pour identifier les articulations humaines et fournir \u00e0 l'utilisateur des conseils sur la bonne fa\u00e7on de s'exercer. Par exemple, l'estimation de la position de la t\u00eate est essentielle lorsque l'utilisateur fait une planche. L'application estime la position de la t\u00eate pour \u00e9viter les blessures pendant l'exercice.<\/p>\n Il convient de mentionner que nous avons d\u00fb d\u00e9velopper des algorithmes personnalis\u00e9s pour la d\u00e9tection des erreurs et le comptage des r\u00e9p\u00e9titions de mani\u00e8re \u00e0 ce que les utilisateurs de l'application mobile puissent obtenir un retour d'information instantan\u00e9 via une interface audio avec un coach virtuel d'IA.<\/p>\n ESSID Solutions a appliqu\u00e9 avec succ\u00e8s son exp\u00e9rience en vision par ordinateur et en apprentissage profond pour aider le client avec une solution ax\u00e9e sur l'IA. Notre expertise en mati\u00e8re de r\u00e9seaux neuronaux mobiles et d'apprentissage profond a permis de relever le d\u00e9fi de la reconnaissance de l'activit\u00e9 humaine en termes tr\u00e8s limit\u00e9s, bien que les approches d'apprentissage profond n\u00e9cessitent des mois de travail. Notre r\u00e9seau neuronal d'estimation de la position humaine en temps r\u00e9el et nos algorithmes de d\u00e9tection d'erreurs ont \u00e9t\u00e9 int\u00e9gr\u00e9s avec succ\u00e8s pour l'application d'exercices d'entra\u00eenement et de r\u00e9\u00e9ducation.<\/p>\n Nous avons mis au point une solution capable de g\u00e9rer les changements d'\u00e9clairage, la perte de fr\u00e9quence d'images, la pr\u00e9sence d'autres personnes dans le cadre, les occlusions, etc.<\/p>\n D\u00e9sormais, l'application va encore plus loin pour s'assurer que l'utilisateur s'exerce de la bonne mani\u00e8re et tire le meilleur parti de sa s\u00e9ance d'entra\u00eenement. Les recommandations de l'entra\u00eeneur d'IA mis au point contiennent des informations pr\u00e9cieuses et aident les utilisateurs \u00e0 atteindre leurs objectifs de remise en forme en \u00e9vitant les blessures inutiles.<\/p>\nSolution : apprentissage profond pour une estimation pr\u00e9cise de la pose humaine et algorithmes de science des donn\u00e9es pour la d\u00e9tection des erreurs.<\/h2>\n
R\u00e9sultat : am\u00e9lioration de l'estimation de la pose et de la d\u00e9tection des erreurs<\/h2>\n
Choisissez-nous comme votre Vision par ordinateur<\/a> Prestataire de services<\/h3>","protected":false},"excerpt":{"rendered":"