关于“假胯宽”

看到有很多人说“假胯宽“, 所以研究一下这个课题

胯宽定义:胯宽是俗语,指的髋最大宽,即臀宽

臀宽或称为髋最大宽(maximum hip breadth),即左右侧大腿部最向外侧突出点之间的直线距离。此项测量不必考虑大转子,只采用大腿部向外侧最突出之点

“假胯宽”误区:

1、正常人髂嵴间宽大于大转子间宽,大转子间宽大于髂嵴间宽是股骨内旋所致;

自我纠正:

1、 胯髋本身髋最大宽:大腿部向外侧最突出之点的距离: 骨盆宽<大转子点间宽<臀宽;

2、大转子间宽大于髂嵴间宽原因
女性由于两侧转子间距离较宽,股骨向中线倾斜角度较大(Q角较男性大,颈干角较男性小),两侧大转子更为突出;——>女性大转子间距更大;
3、女性雌性激素容易导致更多的脂肪在转子下囤积脂肪;
4、其它因素:前倾角过大的代偿机制、髋内翻(股骨颈和股骨干夹脚<120度,可能是发育不良或骨折引起)

在这里插入图片描述

可理解点:

你原本的胯是可以没这么宽的,而股骨内旋会导致大转子之间的间距增大, 所以可以通过解决股骨内旋问题,缩小胯宽;

女性雌激素导致大转子附近容易囤积脂肪,我们可以通过合适的锻炼,较少这些脂肪;

需要思考的点

  1. 如何测量前倾角、颈干角;
  2. 如何知道个体最合适的前倾角、颈干角是多少?
  3. 前倾角、颈干角分别如何有效调整?
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值