基于深度学习的无标记姿态估计系统在步态分析中的应用:DeepLabCut 自定义训练和细化功能
原文中文,约300字,阅读约需1分钟。发表于: 。这项研究比较了两种流行的无标记姿势估计系统,OpenPose(OP)和 DeepLabCut(DLC),在评估行走过程中的性能。研究结果表明,经过自定义训练的 DLC 模型(DLCCT)优于其他模型,在姿势估计性能方面具有很高的潜力。因此,该研究为临床医生和从事运动评估的专业人员提供了一种准确且低成本的方法,以超越实验室环境的移动评估。
该研究比较了OpenPose和DeepLabCut两种无标记姿势估计系统在行走中的性能。结果显示,经过自定义训练的DLC模型具有高潜力,为临床医生和运动评估专业人员提供了准确且低成本的移动评估方法。