《远程光电容积描记法深度学习中的架构技巧》——SketchAR团队参加2019年韩国首尔ICCV大会的报道
今年11月，SketchAR团队参加了全球顶尖计算机视觉会议之一——ICCV（IEEE计算机视觉国际会议）。
本次大会汇聚了全世界最优秀的研究人员，共展示了1000多篇学术论文，涵盖生成对抗网络（GANs）、领域自适应、零样本学习等数十个快速发展领域的突破性方法。
SketchAR的开发者Mikhail Kopeliovich和Mikhail Petrushan在会上展示了他们关于基于摄像头的心率估计的论文，《远程光电容积描记法深度学习中的架构技巧》。他们提出了可以整合到深度学习架构中的先进技术，以提高其准确度。
摘要
本研究针对基于色彩信号图块进行心率（HR）估计的卷积网络，探讨其架构改进方案。色彩信号是通过网络摄像头记录的面部区域平均色彩分量的时间序列，涵盖两种场景：静止场景（人物无运动）和混合运动场景（人物存在不同运动模式）。心率估计问题被处理为一个分类任务，各类别对应[40; 125] bpm可接受范围内的不同心率值。研究在全连接层之后添加卷积滤波层，并采用组合损失函数：第一部分为交叉熵，第二部分为网络输出与平滑独热向量之间的平方误差，二者结合使模型在静止场景和混合运动场景下的心率估计性能均有所提升。
点击这里了解该方法的更多详情。
欢迎随时联系我们，邮箱地址为 hi(a)sketchar.tech
此致，
SketchAR团队
