Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
Colloque
IntroductionLes réseaux markerless sont souvent réentraînés sur des images contenant des marqueurs. Ces derniers pourraient aider les réseaux à retrouver les centres articulaires (CA) à cause de leur features distinctes. L’impact de la présence de ces marqueurs est cependant inconnu pour le markerless [1]. L’objectif de cette étude est donc d’étudier cet impact.MéthodeDeux bases ont été utilisées pour entraîner HRNet à prédire les CA à partir d’images avec marqueurs visibles. La première avec l’exosquelette KneeKG [2] et la seconde RRIS40 [1] avec des petits marqueurs. Le modèle a ensuite été évalué sur des images avec marqueurs visibles puis effacé via …
Colloque
IntroductionLes réseaux markerless sont souvent réentraînés sur des images contenant des marqueurs. Ces derniers pourraient aider les réseaux à retrouver les centres articulaires (CA) à cause de leur features distinctes. L’impact de la présence de ces marqueurs est cependant inconnu pour le markerless [1]. L’objectif de cette étude est donc d’étudier cet impact.MéthodeDeux bases ont été utilisées pour entraîner HRNet à prédire les CA à partir d’images avec marqueurs visibles. La première avec l’exosquelette KneeKG [2] et la seconde RRIS40 [1] avec des petits marqueurs. Le modèle a ensuite été évalué sur des images avec marqueurs visibles puis effacé via …
Colloque
IntroductionLes réseaux markerless sont souvent réentraînés sur des images contenant des marqueurs. Ces derniers pourraient aider les réseaux à retrouver les centres articulaires (CA) à cause de leur features distinctes. L’impact de la présence de ces marqueurs est cependant inconnu pour le markerless [1]. L’objectif de cette étude est donc d’étudier cet impact.MéthodeDeux bases ont été utilisées pour entraîner HRNet à prédire les CA à partir d’images avec marqueurs visibles. La première avec l’exosquelette KneeKG [2] et la seconde RRIS40 [1] avec des petits marqueurs. Le modèle a ensuite été évalué sur des images avec marqueurs visibles puis effacé via …
Colloque
IntroductionL’analyse du mouvement du membre supérieur chez les enfants atteints de paralysie cérébrale devrait bénéficier des approches sans marqueurs. Au préalable il faudrait connaitre leur précision L’objectif est de créer une base de données combinant données sans marqueurs et avec marqueur, et d’évaluer la précision des algorithmes.MéthodesLa base ARGOS visera 20 participants (2–12 ans) réalisant 20 tâches. Cinq enfants (âge moyen 5 ans) ont déjà réalisé 6 tâches (dessiner, jouer avec la pâte à modeler, couper, manger, se coiffer, s’essuyer les fesses) enregistrées par 8 caméras RGB et 10 caméras optoélectroniques qui fourniront les données de référence avec 25 marqueurs …
