ThermoCycleNet：基于立体视觉的热像图标注方法向自行车运动的模型迁移
计算机视觉与模式识别
2025-08-05 v1 人工智能
机器学习
摘要
红外热成像正成为运动医学中的强大工具，能够评估运动过程中的热辐射并分析感兴趣的解剖区域，例如暴露良好的小腿。基于我们先前先进的自动标注方法，我们旨在将基于立体视觉和多模态的标注方法从跑步机跑步迁移到功率自行车骑行。因此，我们研究并比较了在不同数据集组合下，使用自动标签训练语义分割网络并在高质量手动标注图像上进行微调的效果。结果表明，使用少量手动数据进行微调足以提高深度神经网络的整体性能。最终，将自动生成的标签与少量手动标注数据集相结合，加速了深度神经网络对新用例的适应，例如从跑步机到自行车的迁移。
引用
@article{arxiv.2508.00974,
title = {ThermoCycleNet: Stereo-based Thermogram Labeling for Model Transition to Cycling},
author = {Daniel Andrés López and Vincent Weber and Severin Zentgraf and Barlo Hillen and Perikles Simon and Elmar Schömer},
journal= {arXiv preprint arXiv:2508.00974},
year = {2025}
}
备注
Presented at IWANN 2025 18th International Work-Conference on Artificial Neural Networks, A Coru\~na, Spain, 16-18 June, 2025. Book of abstracts: ISBN: 979-13-8752213-1. Funding: Johannes Gutenberg University "Stufe I'': "Start ThermoCycleNet''. Partial funding: Carl-Zeiss-Stiftung: "Multi-dimensionAI'' (CZS-Project number: P2022-08-010)