Peloton, antrenmanları güçlendirmek için bilgisayar vizyonunu nasıl kullanıyor?


Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları Kız Sırları

Transform 2022’ye katılamadınız mı? İsteğe bağlı kitaplığımızdaki tüm zirve oturumlarına şimdi göz atın! Buraya bak.


Şınav, ağız kavgası veya karın çalışması yaparken, halter kaldırırken, zıplarken veya esnetirken, TV’nizdeki bir cihaz antrenmanınız boyunca sizi takip eder.

Formunuz, bir egzersizi tamamlamanız (veya eksikliğiniz); daha sonra hangi kardiyo, vücut ağırlığı, kuvvet antrenmanı veya yoga antrenmanı yapacağınız konusunda öneriler alırsınız; ve başarı rozetleri için çalışabilirsiniz.

Bu, kamera tabanlı, TV’ye monte bir eğitim cihazı ve bilgisayar görüşü, yapay zeka (AI), gelişmiş algoritmalar ve sentetik verilerle desteklenen sistem olan Peloton Guide tarafından sağlanan bir sonraki düzey evde fitness deneyimidir.

Peloton’un bilgisayarlı görme grubunun lideri Sanjay Nichani, bu haftaki bir canlı yayında teknolojinin gelişimini – ve devam eden iyileştirmeyi – tartıştı. 2022’yi Dönüştür.

AI güdümlü motivasyon

Peloton Guide’ın bilgisayarlı görme yeteneği, üyeleri izler ve etkinliklerini tanır, onlara tamamlanmış hareketler için kredi verir, öneriler ve gerçek zamanlı geri bildirim sağlar. Bir “kendi kendine mod” mekanizması, kullanıcıların kendilerini ekranda izlemek ve uygun form sergilediklerinden emin olmak için cihazlarını kaydırmalarına ve yakınlaştırmalarına da olanak tanır.

Nichani, “içgörü ve ilerlemenin çok motive edici” olduğunu söyleyerek fitness söz konusu olduğunda metrik odaklı hesap verebilirliğin gücünün altını çizdi.

Son Peloton Guide ticari ürününe ulaşmanın “yinelemeli bir süreç” olduğunu söyledi. AI’nın ilk hedefi, küçük miktarlarda özel veri kaynağı sağlayarak ve bunu açık kaynaklı verilerle birleştirerek “hızlı bir şekilde önyükleme yapmaktır”.

Nichani, bir model geliştirilip dağıtıldığında, sistemi sürekli iyileştirmek ve “odaklı geliştirmeler” yapmak için ayrıntılı analiz, değerlendirme ve telemetri uygulanır.

Makine öğrenimi (ML) volanı “her şey verilerle başlar” dedi. Peloton geliştiricileri, uygun referans materyalleriyle birleştirilmiş egzersizlere ve pozlara özgü terminolojiyi kullanarak veri kümeleri hazırlayarak “ağır dozda sentetik veri” ile tamamlanan gerçek verileri kullandı.

Geliştirme ekipleri ayrıca, Nichani’nin “klasik bilgisayarla görme tekniği” dediği poz tahmini ve eşleştirme, doğruluk tanıma modelleri ve optik akış uyguladı.

Bilgisayarla görmeyi etkileyen çeşitli özellikler

Nichani, bilgisayar görüşünün zorluklarından birinin “hesaba katılması gereken çok çeşitli nitelikler” olduğunu söyledi.

Bu içerir:

  • Çevresel özellikler: arka plan (duvarlar, döşeme, mobilya, pencereler); aydınlatma, gölgeler, yansımalar; görüş alanındaki diğer insanlar veya hayvanlar; ekipman kullanılıyor.
  • Üye özellikleri: cinsiyet, cilt tonu, vücut tipi, fitness seviyesi ve giyim.
  • geometrik nitelikler: Kamera kullanıcısı yerleşimi; kamera montaj yüksekliği ve eğimi; üye oryantasyonu ve kameradan uzaklığı.

Nichani, Peloton geliştiricilerinin, uç durumlara izin vermek için kapsamlı saha testi denemeleri gerçekleştirdiğini ve kameranın herhangi bir sayıda faktör nedeniyle onları çıkaramaması durumunda kullanıcıları “dürten” bir yetenek eklediğini söyledi.

önyargı meydan okuma

Nichani, AI modellerini geliştirme sürecinde adalet ve kapsayıcılığın her ikisinin de çok önemli olduğunu söyledi.

Modellerde önyargıyı azaltmanın ilk adımı, verilerin çeşitli olmasını ve eğitim ve test için çeşitli nitelikler arasında yeterli değere sahip olmasını sağlamak olduğunu söyledi.

Yine de, “çeşitli bir veri kümesi tek başına tarafsız sistemler sağlamaz. Veriler tarafsız olsa bile, derin öğrenme modellerinde yanlılık içeri sızma eğilimindedir.”

Peloton’un süreci sayesinde, tüm kaynaklı veriler niteliklerle etiketlenir. Nichani, bu, modellerin “farklı nitelik dilimleri” üzerinden performansı ölçmesine olanak tanır ve modellerde üretime geçmeden önce hiçbir yanlılık gözlemlenmemesini sağlar, diye açıklıyor.

Sapma ortaya çıkarsa, volan süreci ve derin dalış analizi yoluyla ele alınır ve ideal olarak düzeltilir. Nichani, Peloton geliştiricilerinin “olasılıkların eşitliği” adalet ölçüsünü gözlemlediğini söyledi.

Yani, “herhangi bir belirli etiket ve öznitelik için, bir sınıflandırıcı bu etiketi o özniteliğin tüm değerleri için eşit olarak tahmin eder.”

Örneğin, bir üyenin crossbody curl, squat veya dambıl salınımı yapıp yapmadığını tahmin ederken, vücut tipi (“zayıflık”, “ortalama”, “fazla kilolu”) ve ten renginin özelliklerini hesaba katmak için modeller oluşturuldu. en Fitzpatrick sınıflandırma – cilt tonunu sınıflandırmak için yaygın olarak kabul edilmesine rağmen, özellikle hala birkaç sınırlamalar

Nichani, yine de, herhangi bir zorluğun önemli fırsatlardan çok daha ağır bastığını söyledi. AI, evde fitness alanında kişiselleştirmeden hesap verebilirliğe, rahatlığa (örneğin sesli komutlar), rehberliğe ve genel katılıma kadar birçok etkiye sahiptir.

Nichani, içgörüler ve ölçümler sağlamak, bir kullanıcının performansını iyileştirmeye yardımcı olur ve “onları gerçekten daha fazlasını yapmaya iter” dedi. Peloton, “egzersiz yaparken saate bakmamanız için” kişiselleştirilmiş oyun deneyimleri sunmayı amaçlıyor.

Bir şeyi izlemek tam uzunluk Transform 2022’den bir konuşma.


Kaynak : https://venturebeat.com/2022/07/29/how-peloton-is-using-computer-vision-to-strengthen-workouts/

sıra bulucu Geçici Mail pdf kitap indir antrenmanlarla matematik 1 pdf ilahi sözleri 1984 pdf türkçe pdf minecraft premium satın al ilahi sözleri youtube mp3 çevir Selçuk Sport Apk İndir Viski Fiyatları SMM Panel