‘원격 광용적맥파 측정을 위한 딥러닝 아키텍처 기법’ – 한국 서울에서 열린 ICCV 2019에 참가한 SketchAR 팀의 후기
지난 11월, SketchAR 팀은 세계 최고 수준의 컴퓨터 비전 학회 중 하나인 ICCV(IEEE International Conference of Computer Vision)에 참가했습니다.
이번 학회에는 전 세계에서 모인 최고의 연구자들이 함께했습니다. 생성적 적대 신경망(GAN), 도메인 적응, 제로샷 러닝 등 빠르게 발전하고 있는 수십 개 분야의 획기적인 방법론을 포함해 1,000편이 넘는 논문이 발표되었습니다.
SketchAR 개발자인 Mikhail Kopeliovich와 Mikhail Petrushan은 카메라 기반 심박수 추정에 관한 논문 “Architectural Tricks for Deep Learning in Remote Photoplethysmography.”를 발표했습니다. 두 사람은 딥러닝 아키텍처에 통합해 정확도를 높일 수 있는 고급 기법들을 제안했습니다.
초록
컬러 신호 패치를 기반으로 심박수(HR) 값을 추정하는 컨볼루션 네트워크의 아키텍처 개선안을 연구했습니다. 컬러 신호란 웹캠으로 기록한 얼굴 영역의 색상 성분을 평균한 시계열 데이터로, Stationary(사람이 움직이지 않는 경우)와 Mixed Motion(사람이 다양한 움직임 패턴을 보이는 경우) 두 가지 시나리오에서 수집됩니다. 심박수 추정 문제는 분류(classification) 과제로 다루었으며, 각 클래스는 허용 범위인 \서서 있는 [40; 125] bpm 구간 내의 서로 다른 심박수 값에 해당합니다. 완전 연결 계층(fully connected layer) 뒤에 컨볼루션 필터링 계층을 추가하고, 복합 손실 함수(combined loss function)를 도입했습니다. 첫 번째 구성 요소는 교차 엔트로피(cross-entropy)이고, 두 번째 구성 요소는 네트워크 출력과 평활화된 원-핫 벡터 사이의 제곱 오차(squared error)로, 이를 통해 Stationary 및 Mixed Motion 시나리오 모두에서 심박수 추정 모델의 성능이 개선되었습니다.
이 접근 방식에 대해 더 알아보려면 여기를 확인해 보세요.
궁금한 점이 있으시면 언제든지 hi(a)sketchar.tech로 연락 주세요.
감사합니다,
SketchAR 팀
