文件名称：Features_for_BMI_estimation
文件大小：8.74MB
文件格式：ZIP
更新时间：2024-04-24 13:54:44
Python
用眼睛看健康：基于图像的人体BMI估计的功能组合 该存储库是本文的官方Pytorch实施。 介绍 体重指数（BMI）是衡量人类肥胖与健康状况的重要指标，可以为许多实际目的（如监测，重新识别和保健）提供有用的信息。 近来，已经提出了一些数据驱动的进展，以从面部图像，额叶身体图像和RGB-D图像通过2D或3D特征估计BMI。 但是，由于隐私问题或3D摄像机的限制，很难获得所需的数据。 更重要的是，以前的每篇著作都只研究了一种类型的特征，因此值得研究不同特征的组合是否更有效。 为了解决这个问题，我们分析了从2D人体图像中提取的各种特征与估计的BMI的相关性，然后提出了一种具有最佳特征组合的精确BMI估计方法。 大量实验表明，所提出的方法优于这些基于图像的BMI估计方法，该方法在大多数情况下仅利用单一类型的特征。 要求 CUDA和CUDNN 的Python 3 火炬1.4 火炬视觉0.4.2
【文件预览】：
Features_for_BMI_estimation-main
----Regression.py(7KB)
----Features()
--------ThreeDFeatures_PressMap.json(2.96MB)
--------FeaturesInPressureMap_train.json(3.66MB)
--------ThreeDFeatures_RGB_test.json(591KB)
--------FeaturesInGuo_test.json(1.19MB)
--------FeaturesInGuo_train.json(2.51MB)
--------FeaturesInPressureMap_test.json(1.57MB)
--------BodyFeature_Guo.json(1.53MB)
--------ThreeDFeatures_RGB_train_val.json(1.22MB)
----Datasets()
--------PmatData_Supine()
--------RGB()
----README.md(2KB)
----2D_Extraction()
--------train.py(8KB)
--------checkpoints()
--------visual loss()
--------datasets.py(5KB)
--------main.py(3KB)
--------TypeNet.py(2KB)
--------FeatureExtractorInPmatData.py(6KB)
--------config()
--------SFInGuoDatasets.py(2KB)
--------FeatureExtractorInGuo.py(4KB)
----3D_Extraction()
--------Obj_Models()
--------src()
--------main.py(5KB)