Messung von Domänenverschiebungen mit Hilfe von Deep Learning Remote Photoplethysmographie-Modellsimilarität

Domänenverschiebungen zwischen Trainingsdaten für Deep-Learning-Modelle und dem Einsatzkontext können zu schwerwiegenden Leistungsproblemen für Modelle führen, die nicht verallgemeinern. Wir schlagen Metriken auf der Grundlage von Modellsimilarität vor, die als Maß für die Domänenverschiebung verwendet werden können, und zeigen eine hohe Korrelation zwischen diesen Metriken und der empirischen Leistung.