แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Anuchit Jitpattanakul. Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2025.
Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
Name: Sakorn Mekruksavanich
Organization :
University of Phayao. School of Information and Communication Technology
Email :
sakorn.me@up.ac.th
Name: Wikanda Phaphan
Organization :
King Mongkut's University of Technology North Bangkok. Faculty of Applied Science
Email :
wikanda.p@sci.kmutnb.ac.th
Name: Anuchit Jitpattanakul
Organization :
King Mongkut's University of Technology North Bangkok. Faculty of Applied Science
Email :
anuchit.j@sci.kmutnb.ac.th
keyword:
Residual neural networks
LCSH:
Exercise
LCSH:
Smart cities
Abstract:
This study presents a deep learning framework
for recognizing various physical exercises from skeletal joint
coordinate data, aiming to enhance health-supportive technologies
in modern urban environments. The proposed architecture,
ResNet-BiGRU-SE, integrates residual convolutional networks
with bidirectional gated recurrent units (BiGRUs) and employs a
squeeze-and-excitation (SE) mechanism to prioritize informative
feature channels dynamically. This design enables the model to
effectively capture both spatial configurations of human joints
and temporal dependencies in movement sequences. Experimental
evaluation on a physical exercise dataset demonstrated the
models superior performance, achieving classification accuracies
of 95.17%, 95.00%, and 93.18% for input sequences of 30, 60,
and 90 frames, respectively. The inclusion of the SE modules
significantly enhances the models capacity to highlight critical
inter-joint relationships while suppressing irrelevant features.
The proposed method holds significant potential for real-world
applications, including intelligent fitness systems, community
health surveillance, personalized rehabilitation monitoring, and
urban wellness infrastructure. Its high accuracy in distinguishing
fine-grained exercise patterns supports the integration of innovative
activity recognition technologies into future cities designed
to promote active, inclusive, and health-conscious living.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2025
Modified:
2026-01-07
Issued:
2026-01-07
บทความ/Article
application/pdf
BibliograpyCitation :
In IEEE Thailand Section. Antennas and Propagation/Electron Devices/Microwave Theory and Techniques Joint Chapter, Electrical Engineering/Electronics, Computer, Telecommunications, and Information Technology Association, and King Mongkut's University of Technology North Bangkok. The 5th Research, Invention and Innovation Congress (RI2C 2025) (pp.191-196). Bangkok : IEEE Thailand Section
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.038061 วินาที
Sakorn Mekruksavanich
| Title | Contributor | Type |
|---|---|---|
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Object identification and localization of visual explanation for weapon detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Pitchaya Chotivatunyu;Sumeth Yuenyong;Konlakorn Wongpatikaseree;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Visual explanations of ResNet 101 for blister package classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Nagorn Maitrichit;Konlakorn Wongpatikaseree;Sumeth Yuenyong;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Efficient recognition of complex human activities based on smartwatch sensors using deep pyramidal residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing sensor-based human activity recognition using hybrid deep learning and data augmentation
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Squeeze-and-excitation hybrid network for biometric identification via photoplethysmography
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning approach for complex activity recognition using heterogeneous sensors from wearable device
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Anuchit Jitpattanakul;You, Ilsun;Sakorn Mekruksavanich | บทความ/Article | |
| Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| IMU-based human fall detection using deep residual networks for advancing health and injury prevention
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article |
Wikanda Phaphan
| Title | Contributor | Type |
|---|---|---|
| On the properties of new mixture of Gamma and Nakagami Distribution
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Abdullahi, Ibrahim;Job, Obalowu;Wikanda Phaphan | บทความ/Article | |
| Estimating the parameters of a two-parameter crack distribution
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Wikanda Phaphan;Tippatai Pongsart | บทความ/Article | |
| Asymptotic confidence ellipses for the re-parameterized inverse Gaussian distribution
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Wikanda Phaphan. | บทความ/Article | |
| On the new weight parameter of the mixture pareto distribution and its application to real data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Chanaphun Chananet.;Wikanda Phaphan. | บทความ/Article | |
| MGGD : R package for mixture generalized gamma distribution
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Wikanda Phaphan;Thanee Ananitthi;Abdullahi, Ibrahim;Sthaporn Thepsumritporn | บทความ/Article | |
| Enhancing sensor-based human activity recognition using hybrid deep learning and data augmentation
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Squeeze-and-excitation hybrid network for biometric identification via photoplethysmography
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| On the Nakagami exponential inverse exponential (NE-IE) distributions
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Ibrahim Abdullahi;Wikanda Phaphan | บทความ/Article | |
| Two-step anomaly detection for fraud insurance
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Tikumporn Suntornsuwan;Wikanda Phaphan;Samach Sathitvudh | บทความ/Article | |
| Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| IMU-based human fall detection using deep residual networks for advancing health and injury prevention
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article |
Anuchit Jitpattanakul
| Title | Contributor | Type |
|---|---|---|
| Optimal attitude control for rigid spacecraft using successive approximation approach
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Anuchit Jitpattanakul | Chutiphon Pukdeboon | งานวิจัย/Research report |
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Object identification and localization of visual explanation for weapon detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Pitchaya Chotivatunyu;Sumeth Yuenyong;Konlakorn Wongpatikaseree;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Visual explanations of ResNet 101 for blister package classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Nagorn Maitrichit;Konlakorn Wongpatikaseree;Sumeth Yuenyong;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Efficient recognition of complex human activities based on smartwatch sensors using deep pyramidal residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing sensor-based human activity recognition using hybrid deep learning and data augmentation
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Squeeze-and-excitation hybrid network for biometric identification via photoplethysmography
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning approach for complex activity recognition using heterogeneous sensors from wearable device
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Anuchit Jitpattanakul;You, Ilsun;Sakorn Mekruksavanich | บทความ/Article | |
| Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| IMU-based human fall detection using deep residual networks for advancing health and injury prevention
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article |