‘Uzaktan Fotopletismografide Derin Öğrenme için Mimari Hileler’ – SketchAR ekibinin ICCV 2019, Seul, Kore'den raporu.
Bu Kasım ayında SketchAR ekibi, dünyanın önde gelen Bilgisayarlı Görü konferanslarından biri olan ICCV (IEEE International Conference of Computer Vision) etkinliğine katıldı.
Konferans, dünyanın dört bir yanından en iyi araştırmacıları bir araya getirdi. Üretici Çekişmeli Ağlar (GAN'lar), Alan Uyarlama, Sıfır Atışlı Öğrenme ve daha birçok hızla gelişen alandaki çığır açan yöntemler dahil olmak üzere 1000'den fazla bilimsel makale sunuldu.
SketchAR geliştiricileri Mikhail Kopeliovich ve Mikhail Petrushan, kamera tabanlı kalp atış hızı tahminine dair makalelerini sundu: “Architectural Tricks for Deep Learning in Remote Photoplethysmography.” Derin öğrenme mimarilerine entegre edilebilecek ve bunların doğruluğunu artırabilecek gelişmiş teknikler önerdiler.
Özet
Renk sinyali yamaları üzerinde kalp atış hızı (HR) değerlerinin tahminini gerçekleştiren evrişimli ağ için mimari iyileştirmeler incelenmiştir. Renk sinyalleri, web kameraları tarafından kaydedilen yüz bölgeleri üzerinden ortalaması alınan renk bileşenlerinin iki senaryodaki zaman serileridir: Sabit (kişinin hareketi olmadan) ve Karma Hareket (kişinin farklı hareket örüntüleri). HR tahmin problemi, sınıfların
alındaındındaki izin verilen kalp atış hızı değerlerine karşılık geldiği bir sınıflandırma görevi olarak ele alınmıştır [40; 125] bpm. Her ikisi de tam bağlantılı katmanlardan sonra evrişimli filtreleme katmanları eklemekte ve birleşik bir kayıp fonksiyonu içermektedir. İlk bileşen çapraz entropi, ikincisi ise ağ çıktısı ile yumuşatılmış tek-sıcak (one-hot) vektör arasındaki karesel hatadır; bu da Sabit ve Karma Hareket senaryolarında HR tahmin modelinin performansının artmasını sağlamaktadır.
Yaklaşım hakkında daha fazla bilgiyi buradan edinebilirsiniz.
Bize hi(a)sketchar.tech adresinden yazmaktan çekinmeyin.
Saygılarımızla,
SketchAR ekibi
