論文の概要: ActiLabel: A Combinatorial Transfer Learning Framework for Activity Recognition

• arxiv url: http://arxiv.org/abs/2003.07415v1
• Date: Mon, 16 Mar 2020 19:19:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 02:47:56.127038
• Title: ActiLabel: A Combinatorial Transfer Learning Framework for Activity Recognition
• Title（参考訳）: actilabel: アクティビティ認識のための組合せ転送学習フレームワーク
• Authors: Parastoo Alinia, Iman Mirzadeh, and Hassan Ghasemzadeh
• Abstract要約: ActiLabelは任意のドメインのイベントと異なるドメインのイベントの間の構造的類似性を学ぶフレームワークである。 3つの公開データセットに基づく実験は、最先端のトランスファー学習やディープラーニング手法よりもActiLabelの方が優れていることを示す。
• 参考スコア（独自算出の注目度）: 14.605223647792862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensor-based human activity recognition has become a critical component of many emerging applications ranging from behavioral medicine to gaming. However, an unprecedented increase in the diversity of sensor devices in the Internet-of-Things era has limited the adoption of activity recognition models for use across different domains. We propose ActiLabel a combinatorial framework that learns structural similarities among the events in an arbitrary domain and those of a different domain. The structural similarities are captured through a graph model, referred to as the it dependency graph, which abstracts details of activity patterns in low-level signal and feature space. The activity labels are then autonomously learned by finding an optimal tiered mapping between the dependency graphs. Extensive experiments based on three public datasets demonstrate the superiority of ActiLabel over state-of-the-art transfer learning and deep learning methods.
• Abstract（参考訳）: センサに基づく人間行動認識は、行動医学からゲームまで、多くの新興アプリケーションにおいて重要な要素となっている。 しかし、インターネット・オブ・Things時代のセンサデバイスの多様性は前例のないほど増加し、さまざまな領域にまたがる活動認識モデルの採用が制限された。 任意のドメイン内のイベントと異なるドメインのイベントの構造的類似性を学習する組み合わせフレームワークであるactilabelを提案する。 構造的類似性は、低レベルの信号と特徴空間におけるアクティビティパターンの詳細を抽象化するitdependency graphと呼ばれるグラフモデルを通じて取得される。 アクティビティラベルは、依存グラフ間の最適結合マッピングを見つけることによって、自律的に学習される。 3つの公開データセットに基づく大規模な実験は、最先端のトランスファー学習やディープラーニング手法よりもActiLabelの方が優れていることを示す。

関連論文リスト

• Cross-Domain HAR: Few Shot Transfer Learning for Human Activity Recognition [0.2944538605197902]
  本稿では,HARデータセットを有効な転送学習に利用するための経済的なアプローチを提案する。 本稿では,教師が学習する自己学習パラダイムに則って,新たな伝達学習フレームワークであるクロスドメインHARを紹介する。 本手法の有効性を,撮影活動認識のシナリオで実証する。
  論文  参考訳（メタデータ） (2023-10-22T19:13:25Z)
• Unleashing the Power of Shared Label Structures for Human Activity Recognition [36.66107380956779]
  SHAREは,異なる活動のためのラベル名の共有構造を考慮に入れたフレームワークである。 共有構造を利用するために、SHAREは入力感覚時系列から特徴を抽出するエンコーダと、ラベル名をトークンシーケンスとして生成するデコーダとを備える。 また,モデルが活動全体にわたって意味的構造をより効果的に捉えるのに役立つ3つのラベル拡張手法を提案する。
  論文  参考訳（メタデータ） (2023-01-01T22:50:08Z)
• Semantic Representation and Dependency Learning for Multi-Label Image Recognition [76.52120002993728]
  本稿では,各カテゴリのカテゴリ固有のセマンティック表現を学習するための,新しい,効果的なセマンティック表現と依存性学習(SRDL)フレームワークを提案する。 具体的には,カテゴリー別注意領域(CAR)モジュールを設計し,チャネル/空間的注意行列を生成してモデルを導出する。 また、カテゴリ間のセマンティック依存を暗黙的に学習するオブジェクト消去(OE)モジュールを設計し、セマンティック認識領域を消去する。
  論文  参考訳（メタデータ） (2022-04-08T00:55:15Z)
• An Exploration of Active Learning for Affective Digital Phenotyping [4.790279027864381]
  アクティブラーニング(英: Active Learning)は、アルゴリズムを用いてラベルに対するデータポイントの有用なサブセットを計算的に選択するパラダイムである。 自然主義的コンピュータビジョン感情データ(特に異種で複雑なデータ空間)のアクティブラーニングについて検討する。 ゲームプレイ中に生成された情報を用いた能動的学習は,同一数のラベル付きフレームのランダム選択よりも若干優れていた。
  論文  参考訳（メタデータ） (2022-04-05T01:01:32Z)
• SATS: Self-Attention Transfer for Continual Semantic Segmentation [50.51525791240729]
  連続的なセマンティックセグメンテーションは、連続的な分類学習と同じ破滅的な忘れの問題に悩まされる。 本研究では,各画像内の要素間の関係について,知識に関連する新しいタイプの情報伝達を提案する。 関係情報は、トランスフォーマースタイルのセグメンテーションモデルにおける自己アテンションマップから有効に得ることができる。
  論文  参考訳（メタデータ） (2022-03-15T06:09:28Z)
• Multi-Label Image Classification with Contrastive Learning [57.47567461616912]
  コントラスト学習の直接適用は,複数ラベルの場合においてほとんど改善できないことを示す。 完全教師付き環境下でのコントラスト学習を用いたマルチラベル分類のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-24T15:00:47Z)
• Knowledge-Guided Multi-Label Few-Shot Learning for General Image Recognition [75.44233392355711]
  KGGRフレームワークは、ディープニューラルネットワークと統計ラベル相関の事前知識を利用する。 まず、統計ラベルの共起に基づいて異なるラベルを相関させる構造化知識グラフを構築する。 次に、ラベルセマンティクスを導入し、学習セマンティクス固有の特徴をガイドする。 グラフノードの相互作用を探索するためにグラフ伝搬ネットワークを利用する。
  論文  参考訳（メタデータ） (2020-09-20T15:05:29Z)
• All About Knowledge Graphs for Actions [82.39684757372075]
  ゼロショットと少数ショットのアクション認識に使用できる知識グラフ(KG)の理解を深める。 KGsの3つの異なる構成機構について検討した。 異なる実験装置に対する異なるKGの影響を広範囲に解析する。
  論文  参考訳（メタデータ） (2020-08-28T01:44:01Z)
• FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding [118.32912239230272]
  FineGymは体操ビデオの上に構築された新しいアクション認識データセットだ。 アクションレベルとサブアクションレベルの両方で3レベルのセマンティック階層を持つテンポラリアノテーションを提供する。 この新たな粒度レベルは、行動認識に重大な課題をもたらす。
  論文  参考訳（メタデータ） (2020-04-14T17:55:21Z)
• Sequential Weakly Labeled Multi-Activity Localization and Recognition on Wearable Sensors using Recurrent Attention Networks [13.64024154785943]
  本稿では,逐次的にラベル付けされたマルチアクティビティ認識と位置情報タスクを処理するために,RAN(Recurrent attention network)を提案する。 我々のRANモデルは、粗粒度シーケンシャルな弱いラベルからマルチアクティビティータイプを同時に推測することができる。 手動ラベリングの負担を大幅に軽減する。
  論文  参考訳（メタデータ） (2020-04-13T04:57:09Z)

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。