基于床上压力信号的利用图像空间表示学习的姿态估计
计算机视觉与模式识别
2021-05-20 v3 机器学习
机器学习
摘要
深度姿态估计模型的最新进展已证明在健康监护、运动、动画和机器人等广泛应用中有效。然而，当面对从床上压力感知系统获取的图像时，姿态估计模型无法泛化。本文通过提出一种新颖的端到端框架来解决这一挑战，该框架能够从高模糊的压力数据中准确定位身体部位。我们的方法利用为一个现成姿态估计器配备一个深度可训练神经网络的思想，该网络对压力数据进行预处理并为后续姿态估计做准备。我们的模型将模糊的压力图转换为包含与已有姿态估计方法常见输入域相似形状和结构的图像。结果表明，我们的模型能够重建不清晰身体部位，进而使姿态估计器准确且鲁棒地估计姿态。我们使用组合损失函数在手动标注的公开压力图数据集上训练和测试我们的方法。结果通过生成图像的高视觉质量以及所实现的高姿态估计率证实了方法的有效性。
引用
@article{arxiv.1908.08919,
title = {In-bed Pressure-based Pose Estimation using Image Space Representation Learning},
author = {Vandad Davoodnia and Saeed Ghorbani and Ali Etemad},
journal= {arXiv preprint arXiv:1908.08919},
year = {2021}
}
备注
\c{opyright}2021 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works