远程光电容积描记术中深度学习的架构技巧
计算机视觉与模式识别
2019-11-07 v1
摘要
本文研究了用于从彩色信号块估计心率(HR)值的卷积网络的架构改进。彩色信号是在两种场景下由网络摄像头记录的面部区域上平均得到的颜色分量时间序列：静止(人体无运动)与混合运动(人体不同运动模式)。HR估计问题被视作一个分类任务，其中类别对应于可接受范围[40; 125] bpm内的不同心率值。无论是在全连接层之后添加卷积滤波层，还是采用组合损失函数(其第一项为交叉熵、第二项为网络输出与平滑独热向量之间的平方误差)，都能在静止与混合运动场景下提升HR估计模型的性能。
引用
@article{arxiv.1911.02202,
title = {Architectural Tricks for Deep Learning in Remote Photoplethysmography},
author = {Mikhail Kopeliovich and Yuriy Mironenko and Mikhail Petrushan},
journal= {arXiv preprint arXiv:1911.02202},
year = {2019}
}
备注
Workshop on Computer Vision for Physiological Measurement, ICCV 2019