their body posture in real-time [72

their body posture in real-time [72], In our experiments, the depth sensor was set with various angles and views with respect to gypsum board and worker positions. Since in drywall operations, workers face the materials, there is always a minimal chance to capture data from a front view. Therefore, the only remaining alternative which could provide a semi-clear view and informative data was to locate the sensor in various locations within a range of 45° from the sides as illustrated in Fig. 11a.
Due to the high degrees of uncertainty in anthropometry, viewpoint, camera position with respect to the worker, etc., it is very difficult to estimate the right size of training data that can provide statistically significant results. To ensure invariance in training the atomic activity classifier, we collected more than 300,000 depth images (>15 min) from three workers with different body shapes and heights. Moreover, eleven long sequence videos were also collected and used for training and testing. All these 300,000 frames have been manually labeled and cross validated to maintain an accurate and unprecedented dataset. The most important segment of labeling process is labeling the transitional frames between different activities; hence, we addressed this challenge by defining a certain visual taxonomy for transitions to facilitate the labeling process. The key component in labeling is consistency in transitions; as long as we stay consistent, our algorithm would find the most probable sequence and correctly predict the transitions. Our RGB-D sequence dataset will be made public at: [TBD permanent link],

Results (Vietnamese) 1:

tư thế cơ thể của họ trong thời gian thực [72], trong các thí nghiệm của chúng tôi, bộ cảm biến độ sâu đã được thiết lập với góc độ khác nhau và xem đối với hội đồng quản trị thạch cao và vị trí nhân viên. Kể từ khi hoạt động vách thạch cao, công nhân phải đối mặt với các tài liệu, có luôn luôn là một cơ hội tối thiểu để ghi lại dữ liệu từ một tầm nhìn. Do đó, chỉ còn lại khác mà có thể cung cấp một cái nhìn bán rõ ràng và thông tin dữ liệu là để xác định vị trí các cảm biến trong các địa điểm khác nhau trong một phạm vi của 45 ° từ các bên như minh họa trong hình 11a.Do độ cao của sự không chắc chắn trong anthropometry, quan điểm, máy ảnh vị trí đối với công nhân, vv, nó là rất khó khăn để ước tính kích thước phù hợp của dữ liệu đào tạo có thể cung cấp kết quả thống kê quan trọng. Để đảm bảo định trong đào tạo loại hoạt động nguyên tử, chúng tôi thu thập hình ảnh sâu hơn 300.000 (> 15 phút) từ các công nhân ba với hình dạng cơ thể khác nhau và heights. Hơn nữa, 11 dài chuỗi video cũng được thu thập và sử dụng cho đào tạo và thử nghiệm. Tất cả các khung 300.000 đã được dán nhãn theo cách thủ công và vượt qua xác nhận để duy trì một số liệu chính xác và chưa từng có. Các phân đoạn quan trọng nhất của quá trình ghi nhãn ghi nhãn khung chuyển tiếp giữa các hoạt động khác nhau; do đó, chúng tôi giải quyết thách thức này bằng cách xác định một số phân loại trực quan cho quá trình chuyển đổi để tạo thuận lợi cho quá trình ghi nhãn. Yếu tố then chốt trong ghi nhãn là nhất quán trong quá trình chuyển đổi; miễn là chúng tôi ở lại phù hợp, thuật toán của chúng tôi sẽ tìm thấy trình tự nhất có thể xảy ra và một cách chính xác dự đoán các quá trình chuyển đổi. Chúng tôi tập dữ liệu chuỗi RGB-D sẽ được được công bố tại: [liên kết thường TBD],

Results (Vietnamese) 2:

tư thế cơ thể của họ trong thời gian thực [72], Trong thí nghiệm của chúng tôi, các cảm biến sâu đã được thiết lập với các góc độ khác nhau và quan điểm đối với tấm thạch cao và nhân viên các vị trí với. Kể từ khi hoạt động trong vách thạch cao, công nhân phải đối mặt với các vật liệu, luôn luôn có một cơ hội tối thiểu để thu thập dữ liệu từ một cái nhìn phía trước. Vì vậy, giải pháp duy nhất còn lại mà có thể cung cấp một cái nhìn rõ ràng và bán dữ liệu thông tin là để xác định vị trí các cảm biến tại các địa điểm khác nhau trong phạm vi 45 ° từ bên như được minh họa trong hình. 11a.
Do độ cao của sự không chắc chắn trong nhân trắc, quan điểm, vị trí máy ảnh đối với người lao động, vv với, nó là rất khó để ước tính kích thước phù hợp của dữ liệu huấn luyện có thể cung cấp kết quả có ý nghĩa thống kê. Để đảm bảo bất biến trong việc đào tạo các phân loại hoạt động nguyên tử, chúng tôi thu thập được hơn 300.000 hình ảnh sâu (> 15 phút) từ ba công nhân với các hình dạng khác nhau cơ thể và chiều cao. Hơn nữa, dài mười một video trình tự cũng được thu thập và sử dụng để huấn luyện và thử nghiệm. Tất cả những 300.000 khung đã được dán nhãn bằng tay và cross xác nhận để duy trì một bộ dữ liệu chính xác và chưa từng có. Các đoạn quan trọng nhất của quá trình ghi nhãn được gán cho khung hình chuyển tiếp giữa các hoạt động khác nhau; do đó, chúng tôi quyết thách thức này bằng cách xác định một nguyên tắc phân loại hình ảnh nhất định cho quá trình chuyển đổi để tạo thuận lợi cho quá trình ghi nhãn. Các thành phần quan trọng trong việc ghi nhãn là nhất quán trong quá trình chuyển đổi; miễn là chúng ta ở phù hợp, thuật toán của chúng tôi sẽ tìm chuỗi có thể xảy ra nhất và chính xác dự đoán sự chuyển tiếp. RGB-D chuỗi dữ liệu của chúng tôi sẽ được công bố tại: [TBD liên kết vĩnh viễn],