NurtureNet：一种基于视频的新生儿人体测量多任务方法
计算机视觉与模式识别
2024-05-10 v1
摘要
发展中国家的新生儿营养不良是首要的公共卫生问题。识别与随后的生长监测是成功干预的关键。然而，在农村社区中，由于医疗系统往往难以触及且设备不足，加之对规程的依从性差，这极具挑战性。我们的目标是为基层医疗工作者与公共卫生系统提供一种在社区内进行非接触式新生儿人体测量的解决方案。我们提出了 NurtureNet，一种多任务模型，将视觉信息（用低成本智能手机拍摄的视频）与表格输入相融合，以回归出包括体重、身长、头围和胸围在内的多项人体测量估计值。我们表明，分割与关键点预测等视觉代理任务能进一步提升性能。我们通过多项实验验证了该模型的有效性，在体重估计上实现了 3.9% 的相对误差与 114.3 g 的平均绝对误差。模型压缩至 15 MB 也使其能够离线部署于低成本智能手机。
引用
@article{arxiv.2405.05530,
title = {NurtureNet: A Multi-task Video-based Approach for Newborn Anthropometry},
author = {Yash Khandelwal and Mayur Arvind and Sriram Kumar and Ashish Gupta and Sachin Kumar Danisetty and Piyush Bagad and Anish Madan and Mayank Lunayach and Aditya Annavajjala and Abhishek Maiti and Sansiddh Jain and Aman Dalmia and Namrata Deka and Jerome White and Jigar Doshi and Angjoo Kanazawa and Rahul Panicker and Alpan Raval and Srinivas Rana and Makarand Tapaswi},
journal= {arXiv preprint arXiv:2405.05530},
year = {2024}
}
备注
Accepted at CVPM Workshop at CVPR 2024