利用堆叠稠密光流与丢弃层预测精子活力与形态
图像与视频处理
2019-11-11 v1 计算机视觉与模式识别
机器学习
摘要
本文分析了两种深度学习方法，从精子视频中预测精子活力和精子形态。我们使用两种不同的输入：视频的堆叠原始帧和视频帧的稠密光流。为解决这一预测活力与形态的回归任务，将堆叠的稠密光流和从精子视频中提取的原始帧与改进的当前最优卷积神经网络结合使用。针对所选模型的改进，我们引入了额外的多层感知机以克服过拟合问题。当输入同时包含稠密光流和视频原始帧时，带有额外多层感知机及丢弃层的方法取得了最佳结果。
引用
@article{arxiv.1911.03086,
title = {Stacked dense optical flows and dropout layers to predict sperm motility and morphology},
author = {Vajira Thambawita and Pål Halvorsen and Hugo Hammer and Michael Riegler and Trine B. Haugen},
journal= {arXiv preprint arXiv:1911.03086},
year = {2019}
}
备注
3 pages, 2 figures, MediaEval 19, 27-29 October 2019, Sophia Antipolis, France