‘Truques Arquiteturais para Deep Learning em Fotopletismografia Remota’ – um relato da equipe do SketchAR na ICCV 2019, em Seul, Coreia.
Neste mês de novembro, a equipe do SketchAR participou de uma das principais conferências de Visão Computacional do mundo – a ICCV (IEEE International Conference of Computer Vision).
A conferência reuniu os melhores pesquisadores do mundo todo. Foram mais de 1000 artigos científicos apresentados, incluindo métodos inovadores em dezenas de áreas em rápido desenvolvimento, como Redes Generativas Adversariais (GANs), Adaptação de Domínio, Zero-shot Learning, entre outras.
Os desenvolvedores do SketchAR Mikhail Kopeliovich e Mikhail Petrushan apresentaram seu artigo sobre estimativa de frequência cardíaca por câmera, “Architectural Tricks for Deep Learning in Remote Photoplethysmography.” Eles propuseram técnicas avançadas que podem ser integradas a arquiteturas de deep learning, aumentando sua precisão.
Resumo
Foram estudadas melhorias arquiteturais para uma rede convolucional que realiza a estimativa de valores de frequência cardíaca (HR) a partir de trechos de sinal de cor. Os sinais de cor são séries temporais de componentes de cor calculadas pela média sobre regiões faciais, registradas por webcams em dois cenários: Estacionário (sem movimento da pessoa) e Movimento Misto (diferentes padrões de movimento da pessoa). O problema de estimativa de HR é tratado como uma tarefa de classificação, em que as classes correspondem a diferentes valores de frequência cardíaca dentro da faixa admissível de [40; 125] bpm. Ambas as abordagens adicionam camadas de filtragem convolucional após as camadas totalmente conectadas e envolvem uma função de perda combinada. O primeiro componente é uma entropia cruzada, e o segundo é um erro quadrático entre a saída da rede e um vetor one-hot suavizado, o que resulta em melhor desempenho do modelo de estimativa de HR nos cenários Estacionário e de Movimento Misto.
Saiba mais sobre a abordagem aqui.
Fique à vontade para nos mandar uma mensagem em hi(a)sketchar.tech
Atenciosamente,
Equipe SketchAR
