« Architectural Tricks for Deep Learning in Remote Photoplethysmography » – un compte-rendu de l'équipe SketchAR à l'ICCV 2019, Séoul, Corée du Sud.
En novembre dernier, l'équipe SketchAR a participé à l'une des principales conférences mondiales sur la vision par ordinateur – ICCV (IEEE International Conference of Computer Vision).
Cette conférence a rassemblé les meilleurs chercheurs du monde entier. Plus de 1000 articles scientifiques y ont été présentés, y compris des méthodes révolutionnaires dans des dizaines de domaines en pleine évolution comme les réseaux antagonistes génératifs (GAN), l'adaptation de domaine, le zero-shot learning, et bien d'autres.
Les développeurs de SketchAR, Mikhail Kopeliovich et Mikhail Petrushan, ont présenté leur article sur l'estimation de la fréquence cardiaque par caméra, « Architectural Tricks for Deep Learning in Remote Photoplethysmography ». Ils y proposent des techniques avancées pouvant être intégrées aux architectures de deep learning afin d'en améliorer la précision.
Résumé
Cette étude porte sur des améliorations architecturales apportées à un réseau convolutif chargé d'estimer les valeurs de fréquence cardiaque (FC) à partir de patchs de signaux de couleur. Ces signaux de couleur sont des séries temporelles de composantes chromatiques moyennées sur des régions faciales, enregistrées par des webcams selon deux scénarios : Stationnaire (sans mouvement de la personne) et Mouvement Mixte (différents types de mouvements de la personne). Le problème de l'estimation de la FC est traité comme une tâche de classification, où les classes correspondent à différentes valeurs de fréquence cardiaque comprises dans la plage admissible de [40 ; 125] bpm. Les deux approches ajoutent des couches de filtrage convolutif après les couches entièrement connectées et impliquent une fonction de perte combinée. La première composante est une entropie croisée, et la seconde une erreur quadratique entre la sortie du réseau et un vecteur one-hot lissé, ce qui améliore les performances du modèle d'estimation de la FC dans les scénarios Stationnaire et Mouvement Mixte.
Pour en savoir plus sur cette approche, cliquez ici.
N'hésitez pas à nous écrire à hi(a)sketchar.tech
Bien à vous,
L'équipe SketchAR
