Optimization of Image Recognition Technology for Dance Theatre Creation and Evaluation of Its Effectiveness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dance is interpreted through human body movements, dance movements can express the thoughts and emotions of dancers, and whether the dance movements are standardized or not in the creation of dance drama determines the quality of the creation of dance drama. In this paper, with the support of artificial intelligence and information technology, based on image recognition technology, we carry out the optimization research of dance movement recognition for dance drama creation. In this study, the principle and process of image recognition technology are first studied in depth, and then the motion detection method for dance movements is analyzed considering the static state of the background of the dance drama. On this basis, the recognition optimization of dance movements is completed based on the deep convolutional embedding attention mechanism, and the evaluation method based on recognition optimization is proposed for the creation of dance drama. The embedding method in this paper improves 12% over the baseline method, with an OA of 98.65%, while the amount of participation and FLOPs increase slightly. And the score1 and score2 of this paper’s method are the highest, which indicates that this method obtains a high model accuracy while sacrificing less number of model parameters and computational complexity. In addition, the network model structure of this paper is more efficient compared to other network model results. In the recognition effect analysis, the correct recognition rate of six standard dance movements such as center of gravity transition, time step, square step, lock step, fixed step and others are above 80%, with high recognition accuracy and excellent model performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle