Fitzpatrick

新的机器学习方法使用PPG信号实现高模糊准确率的肤色分类

研究人员开发了一种使用光电容积脉搏波描记图（PPG）信号对肤色进行分类的新方法，通过允许预测偏离一个类别来实现高“模糊准确性”。这种方法解决了手动肤色标记固有的主观性问题，手动标记通常导致标准准确率在40-55%之间。该研究探索了三种机器学习技术，其中应用于原始PPG信号的模糊交叉熵损失函数取得了最佳结果，证明了PPG信号可以辨别肤色。