Приборы и системы. Управление, контроль, диагностика Аннотация к статье << Назад Неконтролируемая адаптация кросс-данных с помощью вероятностного амодального 3D-комплектования позы человека Ю.Ю. ГРОМОВ, К.В. СТАРОДУБОВ, П.И. КАРАСЕВ, Х.A. ШАМСУЛДИН, A.Л. AХМЕД Несмотря на значительный успех контролируемых моделей глубокого обучения для оценки 3D позы человека, производительность таких моделей в основном ограничивается скудными лабораторными условиями. Такие модели не только уменьшают уровень смещения набора данных, но и не могут работать с видеопотоком без ограничений в присутствии внешних вариаций, таких как движение камеры, частичная видимость тела, окклюзия и т.д. Принимая во внимание эти недостатки, необходимо формализовать систему обучения представлению движения, эффективно используя как ограниченные, так и искусственно созданные неограниченные образцы видео для наборов данных с аннотацией трехмерной позы. Учитывая присущую неопределенность в оценке позы полученных видеокадров, разработана вероятностная амодальная структура выявления позы человека, позволяющая генерировать несколько правдоподобных результатов выявления позы человека. Во-вторых, для решения проблемы предвзятости набора данных вероятностная амодальная схема используется для разработки новых самоконтролируемых задач. Это не только позволяет адаптировать модель к неаннотированным наборам данных (видео с YouTube), но и способствует обучению общим представлениям движения за пределами доступных контролируемых данных даже в сценариях без ограничений. Такой режим обучения помогает нам достичь современной производительности в оценке позы без надзора по всем наборам данных, со значительным улучшением в частично видимых сценариях без ограничений. Ключевые слова: SIEM; амодельное распределение, биометрические характеристики человека, идентификация. DOI: 10.25791/pribor.1.2023.1382 Стр. 23-30.