Snelheid en interconnectiviteit met AI in de edge AI heeft praktische implicaties die de manier waarop bedrijven dingen voor elkaar krijgen aan het veranderen is. Ontwikkelaars zijn manieren aan het ontdekken om AI te combineren met de Internet of Things om bedrijven te helpen profiteren van de data die door verbonden apparaten wordt gegenereerd. Het ultieme doel hiervan is om
Semi-supervised machine learning Zowel supervised machine learning (SML) als unsupervised machine learning (UML) hebben hun voor- en nadelen. Een groot nadeel van SML is dat doorgaans slechts een fractie van data daadwerkelijk is gelabeld, algoritmisch dan wel handmatig. Een groot nadeel van UML is dat je geen precieze informatie kan krijgen met betrekking tot het sorteren van gegevens. In een
Unsupervised machine learning voor objectiviteit, privacy en minder data Machine learning helpt patronen in big data te ontdekken die leiden tot bruikbare inzichten. Zoals eerder besproken zijn machine learning algoritmen in grote lijnen te verdelen in twee groepen gebaseerd op de manier waarop zij leren over data om voorspellingen te doen, namelijk supervised machine learning (SML) en unsupervised machine learning
Methoden voor valdetectie Systemen pogen om valdetectie zo goed mogelijk uit te voeren, waarbij Human Pose Estimation vaak een belangrijke rol speelt. In dit artikel bespreken we een aantal methoden voor valdetectie die verschillende systemen gebruiken. Background subtraction De meeste vision-based valdetectie systemen gebruiken een vorm van background subtraction om ten eerste onderscheid te maken tussen de persoon en de
Moeilijkheden bij valdetectie voor ouderen Valdetectie voor ouderen brengt een aantal moeilijkheden met zich mee. Ten eerste moet duidelijk gemaakt worden wanneer een persoon precies als gevallen wordt aangemerkt. Ten tweede moeten diverse obstakels overwonnen worden die de detectie bemoeilijken. De definitie van een val Om een val te detecteren moet eerst bepaald worden wat wordt verstaan onder een val.
Het belang van video gebaseerde valdetectie voor ouderen Binnen de ouderenzorg is de detectie van een val van groot belang, want vallen zijn zeer schadelijk voor ouderen. Onder de mensen van 65 jaar en ouder ervaart zo’n een op de drie een val, en velen van hen vallen elk jaar minstens een keer. Rond de twintig procent van de vallen
Kunstmatige hulpverpleegkundige: Tracking en Human Pose Estimation in de ouderenzorg Het aantal ouderen en het tekort aan geschoolde zorg nemen drastisch toe, terwijl steeds meer verpleegkundigen overwerkt raken. Kunstmatige intelligentie in de vorm van Tracking en Human Pose Estimation kunnen hier een oplossing vormen. Een van de meest functionele innovaties op het gebied van computer visie is real time video
4 manieren waarop AI de ouderenzorg zal revolutionaliseren Wereldwijd neemt het aantal ouderen sneller toe dan iedere andere leeftijdsgroep. Binnen iets meer dan dertig jaar zal bijna een op de vier mensen zestig jaar of ouder zijn; het dubbele van vandaag de dag. Het is dan ook niet verrassend dat belanghebbenden in de gezondheidszorg begrijpen hoe ingrijpend de zorg voor
2D en 3D datasets voor Human Pose Estimation Om met behulp van kunstmatige intelligentie iets zinnigs te zeggen over de poses van mensen in beelden, moeten de algoritmen getraind worden aan de hand van datasets. Hierbij een korte introductie van een aantal veelgebruikte datasets voor 2D en 3D Human Pose Estimation. Datasets voor 2D Human Pose Estimation MPII: De MPII
Deep learning methode voor Human Pose Estimation: Regional Multi-Person Pose Estimation Zoals we in de afgelopen twee posts hebben besproken is Human Pose Estimation een grote uitdaging voor computervisie. Het herkennen van de pose van meerdere personen in real-life is namelijk een stuk complexer dan het herkennen van de pose van een enkel persoon in een afbeelding. Ondanks het feit