手部洗涤动作识别的阴影增强：从合成数据到真实数据
图像与视频处理
2024-10-08 v1
摘要
面向户外部署的视频分析系统可能因环境变化——尤其是阴影变化——而暴露于众多风险。既有研究表明，阴影及其引入的分布迁移可导致系统性能急剧下降。本文针对动作识别系统的阴影引发的临界点，探索缓解策略，具体应用为提升食品安全中的手部洗涤动作识别。利用合成数据，我们研究在训练动作识别系统时，应包含哪些最优阴影属性以提升不同阴影条件下的性能。实验结果表明，更重更大的阴影对缓解临界点更为有效。基于此观察，我们提出一种用于真实世界数据集的阴影增强方法。结果显示，阴影增强方法在模型训练中的有效性，以及其在不同神经网络架构与数据集上的一致性。
引用
@article{arxiv.2410.03984,
title = {Shadow Augmentation for Handwashing Action Recognition: from Synthetic to Real Datasets},
author = {Shengtai Ju and Amy R. Reibman},
journal= {arXiv preprint arXiv:2410.03984},
year = {2024}
}