.png){kind=icon}
返回
Self-Supervised Temperature Representation Learning for Fever Screening
.png){kind=icon}
PRE
AI
DOI：10.1109/TCYB.2025.3571015.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
利用热红外人脸成像进行公共场所发热筛查已成为遏制流感病毒传播的常见策略。然而，难以获取大量带有发热标签的人脸，这使得学习人脸温度表征极为困难。为克服这一限制，我们提出了一种自监督发热筛查框架（SelfFS），用于从红外人脸图像中学习温度表征。具体而言，SelfFS采用速率降低理论，通过扩展不同温度人脸的编码速率并压缩相同温度但外观不同的人脸的编码速率，引导网络聚焦于温度特征。此外，我们对网络参数施加稀疏约束，这有助于在有限数量的神经元中提取简单的温度特征，同时过滤复杂的外观特征。实验表明，我们的SelfFS框架优于现有的发热筛查技术，并与监督方法达到了相当的结果。
Keyword:
Fever screening
rate reduction
self-supervised
temperature representation
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
Self-Supervised Graph Learning With Hyperbolic Embedding for Temporal Health Event Prediction用于时间健康事件预测的双曲嵌入自监督图学习
OAAI
OAAI分享收藏A method for reducing the influence of measuring distance on infrared thermal imager temperature measurement accuracy一种减小测量距离对红外热像仪测温精度影响的方法
PREAI
分享收藏Technologies for Fever Screening in the Time of COVID-19: A Review新型冠状病毒肺炎发热筛查技术综述.png)
IEEE SENSORS JOURNAL
OAAI
IEEE SENSORS JOURNALIF4.5
OAAI分享收藏
查看更多内容