真实临床环境下的鲁棒新生儿人脸检测
计算机视觉与模式识别
2022-04-05 v1
摘要
当前的人脸检测算法具有极强的通用性，在检测成人人脸时能获得不错的准确率。这些方法在处理离群案例时存在不足，例如当试图检测新生儿的人脸时，其面部构成和表情与成人有相对差异。此外，当应用于新生儿重症监护室等复杂环境中检测人脸时则更加困难。通过在包含临床环境下标注新生儿人脸的专有数据集上训练最先进的人脸检测模型You-Only-Look-Once，本工作实现了近实时的新生儿人脸检测。我们的初步结果显示准确率为68.7%，而现成解决方案检测新生儿人脸的准确率仅为7.37%。尽管仍需进一步实验来验证我们的模型，但我们的结果令人鼓舞，并证明了在具有挑战性的真实环境中检测新生儿人脸的可行性。新生儿人脸的鲁棒实时检测将使广泛的自动化系统（例如疼痛识别和监控）受益，这些系统目前因需要人工标注而耗费时间与精力。为使研究界受益，我们在github（https://github.com/ja05haus/trained_neonate_face）公开了训练权重。
引用
@article{arxiv.2204.00655,
title = {Robust Neonatal Face Detection in Real-world Clinical Settings},
author = {Jacqueline Hausmann and Md Sirajus Salekin and Ghada Zamzmi and Dmitry Goldgof and Yu Sun},
journal= {arXiv preprint arXiv:2204.00655},
year = {2022}
}
备注
Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR Workshops 2021)