BWCNN：眨眼成词，一种实时卷积神经网络方法
计算机视觉与模式识别
2021-07-01 v1 机器学习
摘要
肌萎缩侧索硬化症（ALS）是一种脑与脊髓的进行性神经退行性疾病，会导致运动功能瘫痪。患者保留眨眼能力，可用于交流。在此，我们提出一种利用眼眨与外界交流的人工智能（AI）系统，运行于实时物联网（IoT）设备上。该系统使用卷积神经网络（CNN）来识别眨眼模式，其定义为一系列睁眼与闭眼状态。每种模式映射至一组表达患者意图的词语。为探究精度与延迟之间的最佳权衡，我们研究了若干卷积网络架构，如 ResNet、SqueezeNet、DenseNet 和 InceptionV3，并评估了它们的性能。我们发现，InceptionV3 架构在特定任务上经过超参数微调后取得了最佳性能，准确率为 99.20%，延迟为 94ms。本工作展示了如何使最新的深度学习架构适配于改善患者生活质量的临床系统，而无论照护场所何在。
引用
@article{arxiv.2006.01232,
title = {BWCNN: Blink to Word, a Real-Time Convolutional Neural Network Approach},
author = {Albara Ah Ramli and Rex Liu and Rahul Krishnamoorthy and Vishal I B and Xiaoxiao Wang and Ilias Tagkopoulos and Xin Liu},
journal= {arXiv preprint arXiv:2006.01232},
year = {2021}
}
备注
8 pages, 4 figures