使用无限编码和正交正则化训练冻结特征金字塔DINOv2进行眼睑测量
机器学习
2025-04-02 v1 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
眼睑参数（如边缘反射距离（MRD1、MRD2）和提肌功能（LF））的准确测量在眼整形诊断中至关重要，但仍受限于手动、不一致的方法。本研究评估了深度学习模型：SE-ResNet、EfficientNet和基于视觉变换器的DINOv2，用于使用智能手机获取的图像自动化这些测量。我们在冻结和微调设置下评估性能，使用MSE、MAE和R2指标。通过自监督学习预训练的DINOv2表现出卓越的可扩展性和鲁棒性，尤其是在适合移动部署的冻结条件下。轻量级回归器（如MLP和深度集成）以最小的计算开销提供高精度。为了解决类别不平衡并提高泛化能力，我们集成了焦点损失、正交正则化和二进制编码策略。我们的结果表明，DINOv2结合这些增强功能在所有任务中提供了一致、准确的预测，使其成为现实世界、移动友好型临床应用的强有力候选者。这项工作突出了基础模型在推进人工智能驱动的眼科护理方面的潜力。
引用
@article{arxiv.2504.00515,
title = {Training Frozen Feature Pyramid DINOv2 for Eyelid Measurements with Infinite Encoding and Orthogonal Regularization},
author = {Chun-Hung Chen},
journal= {arXiv preprint arXiv:2504.00515},
year = {2025}
}