論文の概要: A Deep Learning Approach to Tongue Detection for Pediatric Population
- arxiv url: http://arxiv.org/abs/2009.02397v3
- Date: Mon, 28 Sep 2020 19:43:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 02:01:03.053496
- Title: A Deep Learning Approach to Tongue Detection for Pediatric Population
- Title（参考訳）: 小児集団の舌検出のための深層学習アプローチ
- Authors: Javad Rahimipour Anaraki, Silvia Orlandi, Tom Chau
- Abstract要約: 重度の障害と複雑なコミュニケーションを持つ子どもたちは、アクセス技術(AT)デバイスの使用に制限に直面している。
これまでの研究では、成人被験者に対する舌検出アルゴリズムの頑健さが示されている。
本研究では,言語外ジェスチャ認識のためのネットワークアーキテクチャを実装し,自然条件下で録画されたビデオに対して評価を行った。
- 参考スコア（独自算出の注目度）: 1.5484595752241122
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Children with severe disabilities and complex communication needs face
limitations in the usage of access technology (AT) devices. Conventional ATs
(e.g., mechanical switches) can be insufficient for nonverbal children and
those with limited voluntary motion control. Automatic techniques for the
detection of tongue gestures represent a promising pathway. Previous studies
have shown the robustness of tongue detection algorithms on adult participants,
but further research is needed to use these methods with children. In this
study, a network architecture for tongue-out gesture recognition was
implemented and evaluated on videos recorded in a naturalistic setting when
children were playing a video-game. A cascade object detector algorithm was
used to detect the participants' faces, and an automated classification scheme
for tongue gesture detection was developed using a convolutional neural network
(CNN). In evaluation experiments conducted, the network was trained using
adults and children's images. The network classification accuracy was evaluated
using leave-one-subject-out cross-validation. Preliminary classification
results obtained from the analysis of videos of five typically developing
children showed an accuracy of up to 99% in predicting tongue-out gestures.
Moreover, we demonstrated that using only children data for training the
classifier yielded better performance than adult's one supporting the need for
pediatric tongue gesture datasets.
- Abstract（参考訳）: 重度の障害と複雑なコミュニケーションを必要とする子どもたちは、アクセス技術(at)デバイスの使用に制限がある。
通常のAT(例えば機械スイッチ)は、非言語的な子供や限定的な随意運動制御を持つ子供には不十分である。
舌ジェスチャー検出のための自動技術は有望な経路である。
これまでの研究では、成人者に対する舌検出アルゴリズムの堅牢性は示されてきたが、これらの手法を子どもと併用するにはさらなる研究が必要である。
そこで本研究では,子どもがゲームプレイ中,自然環境において録画されたビデオに対して,舌付きジェスチャー認識のためのネットワークアーキテクチャを実装し,その評価を行った。
被験者の顔を検出するためにカスケード物体検出アルゴリズムを用い、畳み込みニューラルネットワーク(CNN)を用いて舌ジェスチャー検出の自動分類手法を開発した。
評価実験では,成人および子供の画像を用いてネットワークを訓練した。
ネットワーク分類の精度はlet-one-subject-outクロスバリデーションを用いて評価した。
典型的発達障害児5名のビデオ分析から得られた予備分類の結果, 舌出動作の予測において, 最大99%の精度を示した。
さらに, 子どもデータのみを用いて分類器を訓練した結果, 小児舌ジェスチャーデータセットの必要性を裏付ける成人データよりも優れた成績を示した。
関連論文リスト
- UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳（メタデータ） (2024-07-26T20:51:54Z) - Detecting sexually explicit content in the context of the child sexual abuse materials (CSAM): end-to-end classifiers and region-based networks [0.0]
子どもの性的虐待物質(CSAM)は、世界中の子供の安全と幸福を脅かす。
本研究は、CSAM自動検出システムにおいて重要な役割を担う性的な内容の分類方法を提案する。
論文 参考訳（メタデータ） (2024-06-20T09:21:08Z) - Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - Detection of developmental language disorder in Cypriot Greek children
using a neural network algorithm [0.0]
本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。
このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。
モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
論文 参考訳（メタデータ） (2023-11-25T15:23:46Z) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳（メタデータ） (2023-06-15T16:22:57Z) - BabyNet: A Lightweight Network for Infant Reaching Action Recognition in
Unconstrained Environments to Support Future Pediatric Rehabilitation
Applications [5.4771139749266435]
動作認識は、ウェアラブルロボット外骨格のような物理的リハビリテーション装置の自律性を改善する重要な要素である。
本稿では,生体外静止カメラから幼児の到達行動を認識する軽量ネットワーク構造であるBabyNetを紹介する。
論文 参考訳（メタデータ） (2022-08-09T07:38:36Z) - Activity Recognition with Moving Cameras and Few Training Examples:
Applications for Detection of Autism-Related Headbanging [1.603589863010401]
行動認識コンピュータビジョンアルゴリズムは、自閉症に関連する行動の存在を検出するために使用できる。
ヘッドバンジ検出に適用した場合のアクティビティ認識における現在の特徴表現技術の利点と限界を文書化します。
時間分散畳み込みニューラルネットワークを用いて,ホームビデオのヘッドバンジを検出するコンピュータビジョン分類器を作成する。
論文 参考訳（メタデータ） (2021-01-10T05:37:05Z) - Towards human-level performance on automatic pose estimation of infant
spontaneous movements [2.7086496937827005]
4種類の畳み込みニューラルネットワークを訓練し、新しい幼児ポーズデータセットを用いて評価した。
最高のパフォーマンスのニューラルネットワークは、人間の専門家アノテーションのラッター間拡散に類似したローカライゼーションエラーを持っていた。
以上の結果から, 乳児の自発運動の評価は, 周産期脳損傷児の発達障害の早期発見に大きく貢献する可能性が示唆された。
論文 参考訳（メタデータ） (2020-10-12T18:17:47Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳（メタデータ） (2020-08-05T21:06:27Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳（メタデータ） (2020-02-06T17:25:37Z)
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。