LSTM (2) 썸네일형 리스트형 운동 구분, 자세 평가 및 카운팅 with Yolov8-pose, LSTM 집에서 운동할 때, 올바른 자세를 확인하고, 잘못된 자세를 피해서 부상을 줄일 수 없을까 생각하고, 이 프로젝트를 하게되었습니다. Yolo로 키포인트를 잡고, LSTM으로 운동을 분류하고, Python으로 함수를 짜서 아래 기능을 구현했습니다. 향후 운동은 사용자 선택, 웹 또는 앱에서 사용할 수 있는 형태로 다른 기능을 추가해서 개발하려고 하고 있습니다. AI Hub 데이터로 학습했고, 아래 영상은 직접 촬영한 영상입니다. [통계] Day 4-1 시계열 데이터 분석 1. 시계열 데이터 시계열 데이터는 시간에 따라 기록된 데이터로, 주가, 기후, 판매량 등 다양한 분야에서 사용되며 중요한 정보를 제공합니다. 시계열 데이터 분석은 데이터의 패턴을 파악하고 미래 예측에 활용하는 중요한 기법입니다. 2. 시계열 데이터의 특성과 구성 요소 - 시간 의존성$($Time Depenency$)$ - 계절성$($Seasonality$)$ - 추세$($Trend$)$ - 자기 상관성$($Autocorrelation$)$ - 불규칙성$($Irregularity$)$ 시계열 데이터는 다양한 패턴과 특성을 가지고 있습니다. 추세는 장기적인 증감 경향을 의미하며, 계절성은 일정한 주기마다 반복되는 변동을 의미합니다. 주기는 주기적으로 발생하는 변동을 나타내며, 불규칙성은 예측 모델에 포함되.. 이전 1 다음
