top of page
元智大學資管系第二十六屆實習成果展-ZS
工作內容
Work content
蘇柏沅: 文字
工作環境
Working environment
蘇柏沅: 文字
實驗室位於一館六樓的1609C，每人配有個人座位、一部桌上型電腦，老師辦公室與實驗室是同一間，有問題詢問老師非常方便，疫情前固定週三晚上在實驗室開會。實驗室設有VPN，因為疫情爆發後沒有要求前往實驗室，在時間的安排上自由。在撰寫程式方面以python以及html進行開發，由於需要進行deep learning所需要的時間要花比較長且對硬體有一定的要求因此老師提供了一台比較好的電腦來進行訓練模型。專題上也有Line群組可以隨時發問或討論目前進度，以及老師可以隨時分派任務、回報進度，也可以用來遠距開會。
蘇柏沅: 文字
 |  |  |
|---|---|---|
 |  |
蘇柏沅: About
工作詳述
Work details
蘇柏沅: 文字
1. 學習Python與深度學習
主要利用Python語言來進行資料處理以及建立深度學習所需要的模型。
2. 研究Tensorflow Lite/Tensorflow JS
我們打算將高爾夫揮桿模型放置於手機上，但目前Tensorflow Lite有問題，所以轉為在瀏覽器並使用Tensorflow JS執行。
3. 使用HTML及JavaScript
由於轉換成在網頁上執行，所以必須重新複習JavaScript語法，並自行上網學習上課沒有教的一些應用，例如：抓取手機相機、影片轉圖片等
4. 高爾夫揮桿姿勢分析
使用自行拍攝與網路上的揮桿影片，利用AlphaPose抓取揮桿者的骨架，篩選抓取錯誤的並將其修正，標註揮桿的階段，分別為定桿、上桿、下桿、定桿，之後將骨架標準化進行模型訓練，期間不斷調整模型、分類以及訓練資料數量與數量，來達到最好的結果。
蘇柏沅: 文字
實習期間完成之進度
Progress completed during the internship
蘇柏沅: 文字
2~6月：高爾夫揮桿姿勢
-
已完成骨架抓取(利用AlphaPose)，資料處理(標準化、資料選取、滑動視窗)，揮桿階段分類(總共分為四類，分別為定桿、上桿、下桿、收桿)，模型建置(利用LSTM)，結果預測(準確率約0.9)，以及對姿勢評分，並在電腦上可成功執行。
7~9月：高爾夫揮桿模型應用於網頁
-
因模型無法轉換成Tensorflow Lite，製作成android APP無法實現，所以轉換成使用Tensorflow JS，將其變為網頁在瀏覽器上執行，不僅僅可以用於手機，也能在電腦上執行。目前已經可以抓取手機的相機，並執行短影片，較長的影片因為記憶體關係，目前正在處理中。
10月：高爾夫揮桿模型論文撰寫
-
本次投稿第26屆國際資訊管理暨實務研討會，藉由本次的研討會，練習撰寫論文，參考其他人的文章，嘗試自己完成，再經由老師修改，對於未來研究所有所幫助。
蘇柏沅: 文字
 高爾夫動作分析之混淆矩陣 |  網頁開發中畫面 |
|---|
蘇柏沅: 作品集
工作當中扮演的角色
Role in work
蘇柏沅: 文字
在專題中我負責大部分的模型建置以及統整結果的工作，以及一半的網頁開發，基本上較複雜的工作會以我為主要，如果另一位同學資料處理不來時，會幫忙一起處理、互相監督進度，適時的幫助其他組員與調度工作。
蘇柏沅: 文字
bottom of page