利用基于骨架的步态信息进行抑郁症检测的数据增强
计算机视觉与模式识别
2022-01-05 v1
摘要
近年来，抑郁症发病率在全球快速上升，但大规模抑郁症筛查仍具挑战。步态分析为抑郁症提供了一种非接触、低成本且高效的早期筛查方法。然而，基于步态分析的抑郁症早期筛查缺乏足够有效样本数据。本文提出一种用于抑郁症风险评价的骨架数据增强方法。首先，我们提出五种技术增强骨架数据，并将其应用于抑郁症与情绪数据集。然后，基于互信息与分类准确率，将增强方法分为两类（非噪声增强与噪声增强）。最后，我们探究哪些增强策略能更有效地捕捉人体骨架数据特征。实验结果表明，保留更多原始骨架数据属性的增强训练集决定了检测模型性能。具体而言，旋转增强与通道掩码增强使抑郁症检测准确率分别达到 92.15% 和 91.34%。
引用
@article{arxiv.2201.01115,
title = {Data Augmentation for Depression Detection Using Skeleton-Based Gait Information},
author = {Jingjing Yang and Haifeng Lu and Chengming Li and Xiping Hu and Bin Hu},
journal= {arXiv preprint arXiv:2201.01115},
year = {2022}
}
备注
10 pages,10 figures