基于图像的行为与心理状态机器学习分类的挑战与机遇
计算机视觉与模式识别
2022-01-28 v1 机器学习
摘要
能够区分和检测非语言社会性人类行为与心理状态的计算机视觉(CV)分类器，可辅助精神病学与行为科学的数字诊断与治疗。虽然用于传统和结构化分类任务的CV分类器可通过标准机器学习流程(包括数据标注、预处理和训练卷积神经网络)进行监督学习开发，但在进行行为表型分析时，这一过程会出现若干痛点。在此，我们讨论该领域的挑战及相应机遇，包括处理异构数据、避免有偏模型、标注海量且重复的数据集、处理模糊或复合类标签、管理隐私问题、创建恰当表示以及个性化模型。我们讨论了CV中当前最先进的研究工作，如数据整理、数据增强、众包标注、主动学习、强化学习、生成模型、表示学习、联邦学习和元学习。我们强调了成像分类器成功且可靠地检测人类社交线索所需的至少部分机器学习进展。
引用
@article{arxiv.2201.11197,
title = {Challenges and Opportunities for Machine Learning Classification of Behavior and Mental State from Images},
author = {Peter Washington and Cezmi Onur Mutlu and Aaron Kline and Kelley Paskov and Nate Tyler Stockham and Brianna Chrisman and Nick Deveau and Mourya Surhabi and Nick Haber and Dennis P. Wall},
journal= {arXiv preprint arXiv:2201.11197},
year = {2022}
}
备注
30 pages, 1 figure, 1 table