論文の概要: Remote Photoplethysmography from Low Resolution videos: An end-to-end
solution using Efficient ConvNets
- arxiv url: http://arxiv.org/abs/2208.06817v1
- Date: Sun, 14 Aug 2022 10:04:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 14:39:27.227290
- Title: Remote Photoplethysmography from Low Resolution videos: An end-to-end
solution using Efficient ConvNets
- Title(参考訳): 低解像度ビデオからのリモートフォトプレチモグラフィ:効率的なconvnetを用いたエンドツーエンドソリューション
- Authors: Bharath Ramakrishnan, Ruijia Deng
- Abstract要約: 低解像度の顔画像からユーザの心拍数を正確に測定するために,効率的な畳み込みネットワークを提案する。
リアルタイムに心拍数が得られるように、我々はそれを刈り取って深層学習モデルを圧縮し、メモリフットプリントを減少させる。
- 参考スコア(独自算出の注目度): 0.2768955853144218
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measurement of the cardiac pulse from facial video has become an interesting
pursuit of research over the last few years. This is mainly due to the
increasing importance of obtaining the heart rate of an individual in a
non-invasive manner, which can be highly useful for applications in gaming and
the medical industry. Another instrumental area of research over the past few
years has been the advent of Deep Learning and using Deep Neural networks to
enhance task performance. In this work, we propose to use efficient
convolutional networks to accurately measure the heart rate of user from low
resolution facial videos. Furthermore, to ensure that we are able to obtain the
heart rate in real time, we compress the deep learning model by pruning it,
thereby reducing its memory footprint. We benchmark the performance of our
approach on the MAHNOB dataset and compare its performance across multiple
approaches.
- Abstract(参考訳): 顔の映像から心臓のパルスを測定することは、ここ数年で興味深い研究の対象となっている。
これは主に、非侵襲的な方法で個人の心拍数を得る重要性が増していることによるものであり、ゲームや医療業界での利用に非常に有用である。
過去数年間の研究のもうひとつの手段は、Deep Learningの出現と、Deep Neural Networkによるタスクパフォーマンスの向上である。
本研究では,効率の良い畳み込みネットワークを用いて,低解像度の顔面ビデオからユーザの心拍数を正確に計測する手法を提案する。
さらに, リアルタイムに心拍数が得られるように, プルーニングにより深層学習モデルを圧縮し, メモリフットプリントの低減を図る。
我々は、MAHNOBデータセット上でのアプローチの性能をベンチマークし、その性能を複数のアプローチで比較する。
関連論文リスト
- Remote Heart Rate Monitoring in Smart Environments from Videos with
Self-supervised Pre-training [28.404118669462772]
本稿では,自己指導型コントラスト学習を用いて遠隔光麻痺(モグラフィ)と心拍モニタリングを推定する手法を提案する。
コントラストフレームワークを用いてエンコーダを訓練するための3つの空間的および3つの時間的拡張法を提案する。
論文 参考訳(メタデータ) (2023-10-23T22:41:04Z) - UniLVSeg: Unified Left Ventricular Segmentation with Sparsely Annotated
Echocardiogram Videos through Self-Supervised Temporal Masking and Weakly
Supervised Training [0.9304666952022026]
本研究は心エコービデオから左室一貫性セグメンテーション(LV)の新たなアプローチを導入する。
本研究では,(1)時間マスキングを用いた自己教師型学習(SSL),(2)弱教師型学習によって実現した。
提案手法は,大規模データセット上で93.32%のダイススコアを達成し,最先端のソリューションよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-09-30T18:13:41Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳(メタデータ) (2022-09-15T22:16:52Z) - Visual Heart Rate Estimation from RGB Facial Video using Spectral
Reflectance [0.23438564092609357]
本稿では,ユーザのスペクトル反射率を用いた信頼性の高いHR推定フレームワークを提案する。
我々は、Viola Jonesアルゴリズムとは対照的に、Faster RCNNのようなディープラーニングベースのフレームワークを用いて顔検出を行う。
論文 参考訳(メタデータ) (2022-08-09T04:34:04Z) - A Supervised Learning Approach for Robust Health Monitoring using Face
Videos [32.157163136267954]
非接触型非接触型人体検知法は、特殊な心臓および血圧モニタリング装置の必要性をなくすことができる。
本稿では,市販のウェブカメラで撮影する顔ビデオのみを必要とする非接触方式を用いた。
提案手法では,顔のランドマークを用いて映像の各フレームの顔を検出する。
論文 参考訳(メタデータ) (2021-01-30T22:03:16Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳(メタデータ) (2020-07-08T21:38:29Z) - Motion Pyramid Networks for Accurate and Efficient Cardiac Motion
Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。
我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。
そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文 参考訳(メタデータ) (2020-06-28T21:03:19Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳(メタデータ) (2020-04-26T05:43:21Z) - LRTD: Long-Range Temporal Dependency based Active Learning for Surgical
Workflow Recognition [67.86810761677403]
本稿では,費用対効果の高い手術ビデオ解析のための新しい能動的学習法を提案する。
具体的には,非局所的再帰的畳み込みネットワーク (NL-RCNet) を提案する。
手術ワークフロー認識タスクを実行することで,大規模な手術ビデオデータセット(Cholec80)に対するアプローチを検証する。
論文 参考訳(メタデータ) (2020-04-21T09:21:22Z) - Optimised Convolutional Neural Networks for Heart Rate Estimation and
Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
低サンプリングレートで心拍数と人的活動認識を同時に行う。
これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。
深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
論文 参考訳(メタデータ) (2020-03-30T11:44:58Z) - Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic
Conditions [62.68522031911656]
本稿では、複雑なタスクからのHR推定を単純化し、非常に相関した表現からHRへ学習することで、Deep Neural Network(DNN)の利点を享受する、シンプルで効率的なアプローチを提案する。
より正確で高品質なビデオでは、FEの出力を改善するために、2つのディープエンコーダデコーダネットワークが訓練されている。
HR-DおよびMAHNOBデータセットによる実験結果から,本手法がリアルタイム手法として動作し,最先端の手法よりも平均HRを推定できることが確認された。
論文 参考訳(メタデータ) (2020-02-12T07:00:07Z)
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。