論文の概要: Height Estimation of Children under Five Years using Depth Images

• arxiv url: http://arxiv.org/abs/2105.01688v1
• Date: Tue, 4 May 2021 18:15:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 01:11:28.445342
• Title: Height Estimation of Children under Five Years using Depth Images
• Title（参考訳）: 深度画像を用いた5歳未満児の身長推定
• Authors: Anusua Trivedi, Mohit Jain, Nikhil Kumar Gupta, Markus Hinsche, Prashant Singh, Markus Matiaschek, Tristan Behrens, Mirco Militeri, Cameron Birge, Shivangi Kaushik, Archisman Mohapatra, Rita Chatterjee, Rahul Dodhia, Juan Lavista Ferres
• Abstract要約: 栄養失調は5歳以下の子どもの死因である。 スマートフォンを用いた深度画像から,5歳未満の立位児の身長を推定するためのCNNベースのアプローチを提案する。
• 参考スコア（独自算出の注目度）: 4.193508887922745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Malnutrition is a global health crisis and is the leading cause of death among children under five. Detecting malnutrition requires anthropometric measurements of weight, height, and middle-upper arm circumference. However, measuring them accurately is a challenge, especially in the global south, due to limited resources. In this work, we propose a CNN-based approach to estimate the height of standing children under five years from depth images collected using a smart-phone. According to the SMART Methodology Manual [5], the acceptable accuracy for height is less than 1.4 cm. On training our deep learning model on 87131 depth images, our model achieved an average mean absolute error of 1.64% on 57064 test images. For 70.3% test images, we estimated height accurately within the acceptable 1.4 cm range. Thus, our proposed solution can accurately detect stunting (low height-for-age) in standing children below five years of age.
• Abstract（参考訳）: 栄養失調は世界的な健康危機であり、5歳未満の子供の間では主要な死因である。 栄養失調の検出には、体重、身長、中高年の腕周囲の計測が必要である。 しかし、特に世界南部では資源が限られているため、正確に測定することは困難である。 本研究では,スマートフォンを用いた深度画像から5歳未満の立位児の身長を推定するためのCNNに基づくアプローチを提案する。 SMART方法論マニュアル[5]によると、高さの許容精度は1.4cm未満である。 87131の深度画像でディープラーニングモデルをトレーニングした結果,57064のテスト画像では平均平均絶対誤差が1.64%に達した。 70.3%のテスト画像では、1.4cmの範囲で正確に身長を推定した。 そこで本提案手法は,5歳未満の健常児のスタント(低身長)を正確に検出できる。

関連論文リスト

• Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks [5.371337604556311]
  小児の骨年齢の推定は、成長障害や関連疾患を診断し、成熟後の最終身長を推定する上で非常に重要である。 骨年齢を推定する従来の方法は、時間を要する左手のアトラス画像とX線画像を比較して行う。 深層ニューラルネットワークモデルを用いて骨の年齢を推定するために,提案手法を用いて骨の精度と速度を改善するために多くの研究がなされている。
  論文  参考訳（メタデータ） (2024-05-23T18:39:33Z)
• Metric3Dv2: A Versatile Monocular Geometric Foundation Model for Zero-shot Metric Depth and Surface Normal Estimation [74.28509379811084]
  Metric3D v2は、ゼロショット距離深さと1枚の画像からの表面正規推定のための幾何学的基礎モデルである。 距離深度推定と表面正規度推定の両方の解を提案する。 本手法は, ランダムに収集したインターネット画像上での計測3次元構造の正確な復元を可能にする。
  論文  参考訳（メタデータ） (2024-03-22T02:30:46Z)
• Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
  超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
  論文  参考訳（メタデータ） (2024-02-21T12:54:40Z)
• Extending 3D body pose estimation for robotic-assistive therapies of autistic children [4.751886527142779]
  自閉症児を対象とした3次元ポーズ推定装置を開発した。 我々の手法は、この種のアプリケーションでは許容できる、0.3m$以下の誤差を持つ。 実際の設定では、提案モデルはKinectの奥行きカメラと同様に動作する。
  論文  参考訳（メタデータ） (2024-02-12T19:11:03Z)
• Sub-Meter Tree Height Mapping of California using Aerial Images and LiDAR-Informed U-Net Model [0.0]
  樹冠の高さは、森林のバイオマス、生産性、種多様性の最も重要な指標の1つである。 そこで我々は,カリフォルニアのすべての樹冠の高さを高解像度の空中画像でマッピングするために,回帰に適応したU-Netモデルを用いた。 本モデルでは, 飽和のないキャノピー高さを最大50mまで推定し, 既存のキャノピー高さ製品よりも高い性能を示した。
  論文  参考訳（メタデータ） (2023-06-02T22:29:58Z)
• Seeing is not always believing: Benchmarking Human and Model Perception of AI-Generated Images [66.20578637253831]
  人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。 本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
  論文  参考訳（メタデータ） (2023-04-25T17:51:59Z)
• Highly Accurate Dichotomous Image Segmentation [139.79513044546]
  Dichotomous Image segmentation (DIS)と呼ばれる新しいタスクは、自然画像から高度に正確な物体を抽出することを目的としている。 私たちは、5,470の高解像度画像(例えば、2K、4K以上の画像)を含む最初の大規模データセットdis5Kを収集します。 また、Disdisモデルトレーニングのための特徴レベルとマスクレベルの両方のガイダンスを用いて、単純な中間監視ベースライン(IS-Net)を導入する。
  論文  参考訳（メタデータ） (2022-03-06T20:09:19Z)
• Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations [0.8122270502556371]
  調査員は画像を見て、性発達段階やその他の人間の特徴を解釈することで、被害者の年齢を決定する必要があることが多い。 本稿では、既存の顔画像データセットを評価し、類似のデジタル法医学研究貢献のニーズに合わせて、新しいデータセットを提案する。 新しいデータセットは、IMDB-WIKIデータセットで事前トレーニングされたDeep Expectation (DEX)アルゴリズムでテストされる。
  論文  参考訳（メタデータ） (2022-01-09T16:25:37Z)
• Putting People in their Place: Monocular Regression of 3D People in Depth [93.70564469697095]
  複数の人のイメージが与えられた場合、私たちのゴールは、すべての人々のポーズと形を、相対的な深さだけでなく、直接的に遅らせることです。 本研究では,複数の人物のポーズと深さを1つの画像で推定する新しい手法を開発した。 私たちは、BEVが幼児から大人まで形状を推測できる3Dボディモデルスペースを活用しています。
  論文  参考訳（メタデータ） (2021-12-15T17:08:17Z)
• Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
  本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。 提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-17T23:03:46Z)

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。