CPR-Coach：基于单类训练识别复合错误动作
计算机视觉与模式识别
2023-09-22 v1
摘要
细粒度医学动作分析任务近来受到模式识别领域的相当关注，但其面临数据与算法匮乏的问题。心肺复苏(Cardiopulmonary Resuscitation, CPR)是急救中的一项关键技能。当前CPR技能评估主要依赖模拟人与培训师，导致训练成本高、效率低。本文首次构建了一套基于视觉的系统，以完成CPR中的错误动作识别与技能评估。具体而言，我们定义了胸外按压过程中的13类单错误动作与74类复合错误动作，并构建了名为CPR-Coach的视频数据集。以CPR-Coach为基准，本文深入调研并比较了基于不同数据模态的现有动作识别模型的性能。为解决不可避免的单类训练与多类测试问题，我们提出了一种受人类认知启发的框架ImagineNet，以在受限监督下提升模型的多错误识别性能。大量实验验证了该框架的有效性。我们希望本工作能推动细粒度医学动作分析与技能评估的研究。CPR-Coach数据集与ImagineNet代码已在Github公开。
引用
@article{arxiv.2309.11718,
title = {CPR-Coach: Recognizing Composite Error Actions based on Single-class Training},
author = {Shunli Wang and Qing Yu and Shuaibing Wang and Dingkang Yang and Liuzhen Su and Xiao Zhao and Haopeng Kuang and Peixuan Zhang and Peng Zhai and Lihua Zhang},
journal= {arXiv preprint arXiv:2309.11718},
year = {2023}
}