MassNet：从单张压力图像提取体重的深度学习 method
人机交互
2023-03-21 v1 计算机视觉与模式识别
机器学习
摘要
体重作为一项基本生理特征，在身体管理、康复及患者个体化治疗给药等诸多应用中具有重要意义。既往体重估计工作主要基于视觉，使用 2D/3D、深度或红外图像，面临光照、遮挡尤其是隐私问题。压力映射床垫是一种非侵入且保护隐私的工具，可获取床面压力分布图像，其与躺卧者体重强相关。为从该图像提取体重，我们提出一种基于深度学习的模型，包含分别提取深度特征与姿态特征的双分支网络。深度特征分支还结合对比学习模块，以挖掘同一受试者不同姿态间的共有因素。两组特征随后拼接用于体重回归任务。为测试模型在不同硬件与姿态设置下的表现，我们使用自制压力传感床单构建了含 10 名受试者与 23 种姿态的压力图像数据集。该随文公开的数据集与一公开数据集被用于验证。结果表明，我们的模型在两份数据集上均优于 SOTA 算法。我们的研究向临床与家庭场景下的全自动体重估计迈出重要一步。我们的数据集用于研究目的见：https://github.com/USTCWzy/MassEstimation。
引用
@article{arxiv.2303.10136,
title = {MassNet: A Deep Learning Approach for Body Weight Extraction from A Single Pressure Image},
author = {Ziyu Wu and Quan Wan and Mingjie Zhao and Yi Ke and Yiran Fang and Zhen Liang and Fangting Xie and Jingyuan Cheng},
journal= {arXiv preprint arXiv:2303.10136},
year = {2023}
}