論文の概要: Deep Weakly-Supervised Domain Adaptation for Pain Localization in Videos
- arxiv url: http://arxiv.org/abs/1910.08173v3
- Date: Sat, 6 Jul 2024 14:42:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 00:57:55.840910
- Title: Deep Weakly-Supervised Domain Adaptation for Pain Localization in Videos
- Title（参考訳）: ビデオにおける痛覚局所化のための深度改善ドメイン適応法
- Authors: R. Gnana Praveen, Eric Granger, Patrick Cardinal,
- Abstract要約: 痛み強度推定のための3次元CNNをトレーニングするための弱教師付きドメイン適応(WSDA)手法を提案する。
WSDAは、複数のインスタンス学習を逆深いドメイン適応フレームワークに統合し、Inflated 3D-CNN(I3D)モデルをトレーニングします。
実験結果から,提案した深部WSDAアプローチは,より高度なシーケンスレベル (bag) レベルとフレームレベル (instance) の痛覚定位精度を達成できることが示唆された。
- 参考スコア（独自算出の注目度）: 13.994609732846344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic pain assessment has an important potential diagnostic value for populations that are incapable of articulating their pain experiences. As one of the dominating nonverbal channels for eliciting pain expression events, facial expressions has been widely investigated for estimating the pain intensity of individual. However, using state-of-the-art deep learning (DL) models in real-world pain estimation applications poses several challenges related to the subjective variations of facial expressions, operational capture conditions, and lack of representative training videos with labels. Given the cost of annotating intensity levels for every video frame, we propose a weakly-supervised domain adaptation (WSDA) technique that allows for training 3D CNNs for spatio-temporal pain intensity estimation using weakly labeled videos, where labels are provided on a periodic basis. In particular, WSDA integrates multiple instance learning into an adversarial deep domain adaptation framework to train an Inflated 3D-CNN (I3D) model such that it can accurately estimate pain intensities in the target operational domain. The training process relies on weak target loss, along with domain loss and source loss for domain adaptation of the I3D model. Experimental results obtained using labeled source domain RECOLA videos and weakly-labeled target domain UNBC-McMaster videos indicate that the proposed deep WSDA approach can achieve significantly higher level of sequence (bag)-level and frame (instance)-level pain localization accuracy than related state-of-the-art approaches.
- Abstract（参考訳）: 自動鎮痛評価は、痛み体験を明瞭化できない集団にとって重要な診断価値を持つ。
痛み発現イベントを誘発する非言語チャネルの1つとして、個人の痛み強度を推定するための表情が広く研究されている。
しかし、現実の痛み推定アプリケーションにおける最先端ディープラーニング(DL)モデルの使用は、表情の主観的変化、操作的捕獲条件、ラベル付き代表訓練ビデオの欠如に関連するいくつかの課題を提起する。
ビデオフレーム毎にアノテートレベルを付与するコストを考慮し,弱いラベル付きビデオを用いた時空間の痛み強度推定のための3次元CNNのトレーニングを行うための弱教師付きドメイン適応(WSDA)手法を提案する。
特に、WSDAは、複数のインスタンス学習を敵の深いドメイン適応フレームワークに統合し、インフレーテッド3D-CNN(I3D)モデルをトレーニングし、ターゲットの操作領域における痛み強度を正確に見積もることができる。
トレーニングプロセスは、I3Dモデルのドメイン適応のためのドメイン損失とソース損失と共に、弱いターゲット損失に依存する。
ラベル付きソースドメイン RECOLA ビデオと弱いラベル付きターゲットドメイン UNBC-McMaster ビデオを用いて得られた実験結果から,提案した深部WSDA アプローチは,関連する最先端手法に比べて,シーケンスレベルおよびフレームレベルの痛み局所化精度が有意に高いことが示唆された。
関連論文リスト
- Pain Analysis using Adaptive Hierarchical Spatiotemporal Dynamic Imaging [16.146223377936035]
本稿では,適応時間動画像(Adaptive temporal Dynamic Image, AHDI)技術を紹介する。
AHDIは、顔ビデオの深い変化を特異なRGB画像にエンコードし、ビデオ表現のためのより単純な2Dモデルを実現する。
この枠組み内では、一般化された顔表現を導出するために残差ネットワークを用いる。
これらの表現は、痛みの強さを推定し、本物の痛み表現とシミュレートされた痛み表現を区別する2つのタスクに最適化される。
論文 参考訳（メタデータ） (2023-12-12T01:23:05Z) - Spectral Adversarial MixUp for Few-Shot Unsupervised Domain Adaptation [72.70876977882882]
臨床応用においては、トレーニング画像(ソース領域)とテスト画像(ターゲット領域)が異なる分布下にある場合、ドメインシフトは一般的な問題である。
本稿では,Few-Shot Unsupervised Domain Adaptation (FSUDA) の新たな手法を提案する。
論文 参考訳（メタデータ） (2023-09-03T16:02:01Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - Transformer Encoder with Multiscale Deep Learning for Pain
Classification Using Physiological Signals [0.0]
痛みは主観的な感覚駆動体験である。
痛みの強さを測定する伝統的な技術は偏見に影響を受けやすく、場合によっては信頼できない。
そこで我々は,生理的シグナルを入力として,痛み強度を分類する新しいトランスフォーマーエンコーダディープラーニングフレームワークPainAttnNetを開発した。
論文 参考訳（メタデータ） (2023-03-13T04:21:33Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic
Image Classification [61.656149405657246]
ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。
本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。
Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
論文 参考訳（メタデータ） (2022-09-27T14:19:00Z) - Unsupervised Domain Adaptation for Monocular 3D Object Detection via
Self-Training [57.25828870799331]
我々は、Mono3D上での教師なしドメイン適応のための新しい自己学習フレームワークSTMono3Dを提案する。
対象ドメイン上で適応的な擬似ラベルを生成するための教師学生パラダイムを開発する。
STMono3Dは、評価されたすべてのデータセットで顕著なパフォーマンスを達成し、KITTI 3Dオブジェクト検出データセットの完全な教師付き結果を超えています。
論文 参考訳（メタデータ） (2022-04-25T12:23:07Z) - Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training
for Road Segmentation of Remote Sensing Images [93.50240389540252]
リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。
本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。
2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-08-28T09:29:14Z) - Learning a Domain-Agnostic Visual Representation for Autonomous Driving
via Contrastive Loss [25.798361683744684]
ドメイン認識コントラスト学習(Domain-Agnostic Contrastive Learning、DACL)は、2段階の非監視ドメイン適応フレームワークである。
提案手法は,従来の最新手法に比べ,単眼深度推定作業における性能向上を実現した。
論文 参考訳（メタデータ） (2021-03-10T07:06:03Z) - Deep DA for Ordinal Regression of Pain Intensity Estimation Using
Weakly-Labeled Videos [15.34487189996453]
本稿では、順序回帰を伴う弱教師付きDAのための新しい深層学習モデルを提案する。
WSDA-ORモデルは、ターゲットシーケンスに割り当てられた強度レベル間の順序関係を強制する。
実験結果から,本手法は最先端モデルよりも大幅に改善できることが示唆された。
論文 参考訳（メタデータ） (2020-10-28T03:20:34Z) - Deep Domain Adaptation for Ordinal Regression of Pain Intensity Estimation Using Weakly-Labelled Videos [13.994609732846344]
ビデオで捉えた表情から痛みの強さを推定することは、医療応用にとって大きな可能性を秘めている。
本稿では,対象とするドメインビデオを用いて適応可能な順序回帰型弱教師付きDAのための新しいDLモデルを提案する。
WSDA-ORモデルは、ターゲットシーケンスに割り当てられた強度レベル間の順序関係を強制し、複数の関連するフレームをシーケンスレベルラベルに関連付ける。
論文 参考訳（メタデータ） (2020-08-13T15:42:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。