論文の概要: Deep Learning Analysis and Age Prediction from Shoeprints

• arxiv url: http://arxiv.org/abs/2011.03794v2
• Date: Mon, 23 Nov 2020 16:37:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 22:44:11.316388
• Title: Deep Learning Analysis and Age Prediction from Shoeprints
• Title（参考訳）: シュープリントによる深層学習解析と年齢予測
• Authors: Muhammad Hassan (1), Yan Wang (1), Di Wang (2), Daixi Li (3), Yanchun Liang (1), You Zhou (1,2) and Dong Xu (4) ((1) Computer Science and Technology, Jilin University, Changchun, (2) Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly, Nanyang Technological University, Singapore, (3) Everspray Science and Technology Company Ltd., (4) Department of Electrical Engineering and Computer Science, University of Missouri, Columbia)
• Abstract要約: We developed a Deep learning end-to-end model ShoeNet to analyze age-related pattern and predict age。 その結果、40.23%の被験者が5歳未満で予測誤差があり、性別分類の予測精度は86.07%に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human walking and gaits involve several complex body parts and are influenced by personality, mood, social and cultural traits, and aging. These factors are reflected in shoeprints, which in turn can be used to predict age, a problem not systematically addressed using any computational approach. We collected 100,000 shoeprints of subjects ranging from 7 to 80 years old and used the data to develop a deep learning end-to-end model ShoeNet to analyze age-related patterns and predict age. The model integrates various convolutional neural network models together using a skip mechanism to extract age-related features, especially in pressure and abrasion regions from pair-wise shoeprints. The results show that 40.23% of the subjects had prediction errors within 5-years of age and the prediction accuracy for gender classification reached 86.07%. Interestingly, the age-related features mostly reside in the asymmetric differences between left and right shoeprints. The analysis also reveals interesting age-related and gender-related patterns in the pressure distributions on shoeprints; in particular, the pressure forces spread from the middle of the toe toward outside regions over age with gender-specific variations on heel regions. Such statistics provide insight into new methods for forensic investigations, medical studies of gait-pattern disorders, biometrics, and sport studies.
• Abstract（参考訳）: 人間の歩行と歩行にはいくつかの複雑な身体部分があり、性格、気分、社会的・文化的特徴、老化の影響を受けている。 これらの因子は靴のプリントに反映され、年齢を予測できるが、これはいかなる計算手法を使っても体系的に対処されない問題である。 7歳から80歳までの被験者10万点の靴プリントを収集し,そのデータを用いて,年齢関連パターンの分析と年齢予測のためのディープラーニングモデルシューネットを開発した。 このモデルは、様々な畳み込みニューラルネットワークモデルをスキップ機構を使って統合し、特にペアワイズシュープリントから圧力や摩耗領域の年齢関連特徴を抽出する。 その結果、40.23%の被験者が5歳未満で予測誤差があり、性別分類の予測精度は86.07%に達した。 興味深いことに、年齢に関する特徴は主に左右の靴印の非対称な違いにある。 また, シュープリントの圧力分布には, 年齢, 性別関係の興味深いパターンがみられ, 特にヒール領域における性別による変化が, 年齢とともに足指の中央から外方へ拡がる圧力力について検討した。 このような統計は、法医学的な調査、歩行パターン障害の医学研究、バイオメトリックス、スポーツ研究の新しい方法に関する洞察を与える。

関連論文リスト

• An Explainable Machine Learning Approach for Age and Gender Estimation in Living Individuals Using Dental Biometrics [1.3792520979150962]
  本研究は, 生活者における年齢・性別推定の予測システムを開発することを目的とする。 新しいアンサンブル学習技術が開発され、異なる歯科用計測値に合わせて複数のモデルを用いている。 SHAPを使って説明可能なAIモデルが作成され、歯科専門家が司法判断を下せるようになった。
  論文  参考訳（メタデータ） (2024-11-12T21:33:11Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
  我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。 本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
  論文  参考訳（メタデータ） (2023-08-06T18:05:39Z)
• Prediction of Gender from Longitudinal MRI data via Deep Learning on Adolescent Data Reveals Unique Patterns Associated with Brain Structure and Change over a Two-year Period [1.733758804432323]
  我々は,脳構造における性別関連変化を推定し,性別関連変化を同定するための構造MRIデータについて検討した。 その結果, 性別予測精度は, トレーニングエポックが200歳未満で, 非常に高い (>97%) ことが示唆された。 青年期の脳がどのように変化するかは、これらの変化が行動や環境の異なる要因とどのように関連しているかを調べることで研究することができるかもしれない。
  論文  参考訳（メタデータ） (2022-09-15T19:57:16Z)
• Deep Learning Discovery of Demographic Biomarkers in Echocardiography [0.3957768262206625]
  深層学習アルゴリズムを用いて、心エコー画像から年齢、人種、性別を予測することができるかどうかを検証する。 年齢、性別、人種を予測するために、ビデオベースの畳み込みニューラルネットワークをトレーニングしました。 ディープラーニングモデルは、人種を確実に予測できず、年齢と性別を識別できることがわかった。
  論文  参考訳（メタデータ） (2022-07-13T16:48:49Z)
• Analyzing the Effects of Handling Data Imbalance on Learned Features from Medical Images by Looking Into the Models [50.537859423741644]
  不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。 ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
  論文  参考訳（メタデータ） (2022-04-04T09:38:38Z)
• The Age of Correlated Features in Supervised Learning based Forecasting [14.471447024994113]
  本稿では,情報新鮮度が教師あり学習に基づく予測に与える影響を分析する。 これらの応用において、ニューラルネットワークは、複数の相関した特徴に基づいて時間変化目標(例えば、太陽エネルギー)を予測するように訓練される。 情報理論的なアプローチを用いて,最小の学習損失が特徴の年齢の関数であることを証明した。
  論文  参考訳（メタデータ） (2021-02-27T00:10:49Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

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。