新数据集和深度学习模型可从图像估算人体体重和身高

研究人员开发了一种从日常场景中拍摄的单张图像估计人体体重和身高的方法。该方法利用深度神经网络，并探索了包括RGB、深度图和姿态亲和图在内的各种数据模态，以预测身体质量指数（BMI）、体重和身高。为了促进这项研究，创建了一个包含6105张图像的新数据集，并附带了这些指标的真实标签，该数据集具有多样的姿势、背景和图像质量。使用VGG、DenseNet和ResNet等CNN骨干网络的实验表明，与半身或面部图像相比，全身图像能产生更优越的结果。 AI

影响 这项研究可能在基于视觉数据的健康监测、健身追踪和个性化推荐方面带来新的应用。

排序理由 这是一篇研究论文，详细介绍了一种从图像估计人体物理特征的新方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• DenseNet
• Gotit.pub
• Hugging Face
• Litmaps
• residual neural network
• ScienceCast
• scite Smart Citations
• Vgg Neural Network

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →