面部皱纹检测的弱监督预训练与多标注者监督微调
计算机视觉与模式识别
2024-08-20 v1 人工智能
机器学习
摘要
1. 研究问题：随着对皮肤病和皮肤美学关注的日益增长，预测面部皱纹的能力变得越来越重要。本研究旨在评估计算模型——卷积神经网络（CNN）——是否可以用于面部皱纹的自动分割。2. 发现：我们提出了一种有效的技术来整合多位标注者的数据，并展示了迁移学习可以提升性能，从而实现可靠的面部皱纹分割。3. 意义：该方法利用深度学习框架自动完成复杂且耗时的皱纹分析任务，可用于辅助皮肤治疗和诊断。
引用
@article{arxiv.2408.09952,
title = {Weakly Supervised Pretraining and Multi-Annotator Supervised Finetuning for Facial Wrinkle Detection},
author = {Ik Jun Moon and Junho Moon and Ikbeom Jang},
journal= {arXiv preprint arXiv:2408.09952},
year = {2024}
}