#20220121 AI Fitness

Proje mobil bir platform üzerinde çalışacaktır. Makine öğrenimi modeli, mobil geliştirme başlarken hazırlanmış olacak ve ardından model cep telefonuna yüklenecektir, bu nedenle geliştirme sürecinin ilk adımı makine öğrenimi olacaktır. Makine öğrenmesi algoritmasının kodu python ile yazılacaktır. Spor videoları toplanacak, ayrıca makine öğrenme algoritması bunları kullanacak. Mobil uygulamalar Android ve IOS platformları için ayrı olarak yazılacaktır. Ayrıca mobil uygulamalar, oturum açma veya kayıt olma gibi kullanıcı işlemlerini içermektedir ve bu işlemler web servisi üzerinden gerçekleşecektir. Web platformunun uygulamalar için bir reklam görevi göreceğine dikkat çekiyor.

Her insan sağlıklı bir yaşam sürmeyi bekler çünkü bu tüm mutluluğun anahtarıdır. Sağlıklı olmak için en etkili yollarından biri spor yapmaktır. İnsanların bedenleri ve zihinleri sporla tazelenmektedir. Yenilenmiş bedenler ve zihinler, insanların yaşamlarındaki üretkenliği artırabilmektedir. Tek bir yanlış hareket sakatlanmak için yeterli olabilmektedir. İnsanların doğru spor yapmayı öğrenmesi gerekmektedir. Bu amaçla insanlar kişisel antrenörler tutmaktadır, spor salonuna gitmektedir, internetten ders almaktadır. Bir antrenmanı veya sporu nasıl doğru şekilde yapacağınızı öğrenmek, incinmekten kaçınmanıza yardımcı olabilmektedir. Ancak yoğun hayatımızda, her seferinde bu seçenekler için zaman bulmak kolay değildır. Ayrıca antrenör veya spor salonu kiralamak cüzdan dostu değildir. Ayrıca bilinçsizce spor yapmak sadece gerekli vücut formuna ulaşmasını engellemekle kalmayacak, kişinin motivasyonunu da azaltacaktır. AI Fitness sayesinde bütün bu engeller aşılmaktadır.

Projenın şu aşamada mobil kısmı ve web kısmı tamamlanmıştır. Makine öğrenmesi için gerekli araştırmalar yapılmış ve son aşamaya gelinmiştir.

Özellikle yüksek doğruluk istiyorsak, 3,6 milyon etiketli 3 boyutlu insan verisini genelleştirmek zor. Bu çalışma farklı bir bakış açısıyla 2 boyutlu verileri yüksek kaliteli 3 boyutlu verilere dönüştürüyor. Çevirmen sinir ağı modeli, 400.000 vahşi görüntü ve bunlara karşılık gelen 3B poz zemini ile oluşturulmuştur. Ayrıca bu çalışmanın önceki yöntemlere göre hem nitelik hem de nicelik açısından daha başarılı olduğunu ortaya koydular. Ayrıca veri setini ve kodu kamuya açık hale getirdiler (Luyang Wang ve diğerleri 2019). AI Fitness Assistant, işlem gücü düşük olan mobil platformlarda çalıştığı için hem zaman hem de doğruluk açısından oldukça zor bir ortam oluşturmaktadır. Bu çalışma, başka bir açıdan mobil uyumlu bir yaklaşım sunmaktadır. MobileNetV2 omurgasının değiştirilmiş sürümünü kullanır ve U-Net'ten ilham alan birleştirmeyi atlar. Bu çalışmada modelin doğruluğunun daha yüksek olduğu, modelin 7 kata kadar daha az yer kapladığı ve ms seviyelerinde tahmin yapabilme yeteneğine sahip olduğu görülmüştür. Tüm bu iyileştirmeler, mobil cihazlarda çalışan gerçek zamanlı uygulamalar için çok kullanışlıdır (Sangbum Choi ve ark. 2021). Bu projenin müşteri tarafı mobil platformda tasarlanacaktır. Mobil platform, yerel diller veya çapraz platform dilleri ile programlanabilir, bu nedenle ilk hedefimiz dil türüne karar vermektir. Referans 1, ana dilleri kullanmanın diğer dillerden daha etkili olduğunu kanıtlamaktadır (Shevtsiv, N. A. vb. 2021). Yerel diller, programcıya işletim sisteminin belirli özelliklerini kullanma yeteneği verir. Android'in Java ve Kotlin olmak üzere iki ana dili vardır. Her ikisinin de kendine has özellikleri var, bu nedenle ekibin dillerin yan etkilerini göz önünde bulundurması gerekiyor. Dil seçildiğinde referans 2 yol haritası olarak alınmıştır. Kotlin, mobil platformdaki en yeni teknolojidir, ayrıca kirli kodu azaltan yeni sözdizimine sahiptir (Bose, S. vb al. 2018). Ancak, Kotlin seçilir, uygulamanın bazı bölümleri java kodu içerebilir. Mobil uygulamalar, kullanıcı işlemlerini yapmak için bir api kullanır. İlk olarak, ekip arka uçta bir makine öğrenimi algoritmasının kullanılabileceğini, ayrıca mikro hizmet mimarisini birleştirmek için bir köprünün kullanılabileceğini düşünmüştü, ancak referans 3, ekibe makine öğrenimi algoritmalarının arka uçta çalıştığı gibi çalışabileceğini gösteriyor (Martinez -Alpiste vb. 2019). Ancak referans artık ürünümüzün bir örneğidir, mobil platformun performansını temsil etmektedir (Thabet, R., vb. 2014). Ek olarak, referans 5, jwt'nin neden kullanılması gerektiğini açıklamaktadır (Huang, X.W. vb. 2015). Kullanıcı işlemleri, kimlik doğrulaması için jwt belirtecini kullanır. Uygulama üç farklı kullanıcı türünden oluşmaktadır. Uygulamanın kullanıcı tipi ve güvenliği jwt sayesinde sağlanacaktır. Otomatik resim sınıflandırma ve etiketleme yapmak için WTB, Google TensorFlow ve OpenCV uygulamalarını içerir. WTB sistemi ayıları, geyiği ve çakalları doğru bir şekilde tanımlar. TensorFlow modelini eğitmek için kırpılmış Google Görseller kullanılır ve büyük bir eğitim setinin iletilmesi ihtiyacını en aza indirir. Google Görseller'den alınan görselin arka planından çıkarılması için OpenCV kullanılmıştır. Adımlardan biri, TensorFlow modelini yeniden eğitmek ve hayvanları tanımlamak için nesneleri arka planda üst üste bindirmektir. Nesneleri tespit etmek için bu araştırma kullanışlı olabilir. (Elias vb. 2017) AI ve TensorFlow'un yardımı, video röportajlarını analiz etmek ve bunun kişisel özelliklerini almak için bir mantık oluşturur. Program, bir kamera kullanımıyla, mimikleri, yüz ifadelerini algılayarak başarılı bir şekilde röportaj yapmak için kişilik puanları elde edebilmektedir. İş fırsatları elde etmek için insanlar olduklarından farklı davranabilirler. Başarıyı daha güvenilir kılmak için bu araştırma yaklaşımı kullanılabilir. AI TensorFlow motoru, eğitim verilerinden etkili bir şekilde öğrenir ve kişisel özellikleri ve semantiği tahmin eder. Araştırma, görüşmecilerin gerçek kişiliğini tanımada %90'ın üzerinde bir doğruluk elde etmiştir (Suen vb. 2019). Basketbol, ​​dünyadaki en popüler sporlardan biridir ve ilgili endüstrileri çok para kazandırmıştır. Yapay zeka teknolojisi geliştirme ile giyilebilir teknolojiler ve derinlemesine tahmin ve analiz yapmak neredeyse doğru sonuçlar verir. Bu araştırma, AI teknolojisinin takım performansını ve oyuncunun performansını artırmak, maç sonuçlarını tahmin etmek, şutları analiz etmek ve tahmin etmek, kişisel bir koç olmak, spor yaralanmalarını önlemek ve takım gelirini artırmak için kullanılabileceğini gösteriyor. Ayrıca AI, oyuncunun özellikleriyle ilgili bilgilerle oyun için en iyi stratejileri seçebilir. Takımın finansal durumunu analiz eder ve oyuncunun performansıyla ilgili olarak yeni oyuncuları işe almak için faydalı fikirler verir. Farklı açılardan, bu araştırmadaki AI çalışmaları sporda farklı alanlarda kullanılabilir (Li vb. 2021).