我尝试使用Pose Estimation对姿势进行分类,实时姿势估计输出(x,y)坐标和18个关键点的置信度。我想用这些数据来实时识别这个人的姿势
我采用的方法是只考虑坐标,输入36个值(x值和y值的组合)和一个二进制标签,比如站立(0)和蹲伏(1)。我使用了XGB分类器,但模型只是拟合过度,给出了100%的准确度,但当我测试一组新的点时,它总是预测站(0)。有时36个输入列中有nan值,所以我取该列中值的平均值来填补空白,我认为这可能会导致创建一个垃圾数据集,从而导致一个错误的分类器
所以我的问题是:
如何将从姿态估计器(坐标和分数)获得的数据处理为有价值的特征,就像之前我直接输入坐标一样
我应该如何处理丢失的坐标(数据)?当模型无法跟踪某些关键点时,这种情况会发生在实时姿态估计中
我应该使用什么样的分类器?XGB、KNN、DNNs、LSTMs等
目前没有回答
相关问题 更多 >
编程相关推荐