‘Các thủ thuật kiến trúc cho Deep Learning trong Photoplethysmography từ xa’ – bài tường thuật của đội ngũ SketchAR tại ICCV 2019, Seoul, Hàn Quốc.
Tháng 11 này, đội ngũ SketchAR đã tham dự một trong những hội nghị Computer Vision hàng đầu thế giới – ICCV (IEEE International Conference of Computer Vision).
Hội nghị đã quy tụ những nhà nghiên cứu xuất sắc nhất trên toàn thế giới. Có hơn 1000 bài báo khoa học được trình bày, bao gồm những phương pháp đột phá trong hàng chục lĩnh vực đang phát triển nhanh chóng như Generative Adversarial Nets (GANs), Domain Adaptation, Zero-shot learning, và nhiều lĩnh vực khác.
Các nhà phát triển của SketchAR, Mikhail Kopeliovich và Mikhail Petrushan, đã trình bày bài báo của họ về ước lượng nhịp tim dựa trên camera, “Architectural Tricks for Deep Learning in Remote Photoplethysmography.” Họ đề xuất các kỹ thuật tiên tiến có thể được tích hợp vào các kiến trúc deep learning, giúp tăng độ chính xác của chúng.
Tóm tắt
Các cải tiến kiến trúc được nghiên cứu cho mạng convolutional thực hiện ước lượng giá trị nhịp tim (HR) trên các mảng tín hiệu màu. Tín hiệu màu là chuỗi thời gian của các thành phần màu được lấy trung bình trên các vùng khuôn mặt, ghi lại bằng webcam trong hai kịch bản: Stationary (không có chuyển động của người) và Mixed Motion (các kiểu chuyển động khác nhau của người). Bài toán ước lượng HR được xử lý như một tác vụ phân loại, trong đó các lớp tương ứng với các giá trị nhịp tim khác nhau trong phạm vi cho phép [40; 125] bpm. Cả hai đều thêm các lớp lọc convolutional sau các lớp fully connected và sử dụng hàm mất mát kết hợp. Thành phần đầu tiên là cross-entropy, và thành phần thứ hai là sai số bình phương giữa đầu ra của mạng và vector one-hot đã được làm mượt, giúp cải thiện hiệu suất của mô hình ước lượng HR trong cả hai kịch bản Stationary và Mixed Motion.
Tìm hiểu thêm về phương pháp này tại đây.
Hãy thoải mái liên hệ với chúng tôi qua hi(a)sketchar.tech
Trân trọng,
Đội ngũ SketchAR
