論文の概要: Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition
- arxiv url: http://arxiv.org/abs/2004.11228v1
- Date: Thu, 23 Apr 2020 15:22:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 12:39:48.680295
- Title: Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition
- Title(参考訳): GANを用いた室内人間活動認識の精度向上
- Authors: Parisa Fard Moshiri, Hojjat Navidan, Reza Shahbazian, Seyed Ali
Ghorashi, David Windridge
- Abstract要約: 本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。
実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
- 参考スコア(独自算出の注目度): 0.9239657838690226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor human activity recognition (HAR) explores the correlation between
human body movements and the reflected WiFi signals to classify different
activities. By analyzing WiFi signal patterns, especially the dynamics of
channel state information (CSI), different activities can be distinguished.
Gathering CSI data is expensive both from the timing and equipment perspective.
In this paper, we use synthetic data to reduce the need for real measured CSI.
We present a semi-supervised learning method for CSI-based activity recognition
systems in which long short-term memory (LSTM) is employed to learn features
and recognize seven different actions. We apply principal component analysis
(PCA) on CSI amplitude data, while short-time Fourier transform (STFT) extracts
the features in the frequency domain. At first, we train the LSTM network with
entirely raw CSI data, which takes much more processing time. To this end, we
aim to generate data by using 50% of raw data in conjunction with a generative
adversarial network (GAN). Our experimental results confirm that this model can
increase classification accuracy by 3.4% and reduce the Log loss by almost 16%
in the considered scenario.
- Abstract(参考訳): 室内での人間の活動認識(HAR)は、人体の動きと反射するWiFi信号との相関を探索し、異なる活動の分類を行う。
WiFi信号パターン、特にチャネル状態情報(CSI)のダイナミクスを分析することにより、異なるアクティビティを区別することができる。
CSIデータの収集はタイミングと機器の両方の観点から費用がかかる。
本稿では,実測CSIの必要性を低減するために合成データを用いる。
本稿では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,CSIに基づく行動認識システムのための半教師付き学習手法を提案する。
CSI振幅データに主成分分析(PCA)を適用する一方、短時間フーリエ変換(STFT)は周波数領域の特徴を抽出する。
まず、LSTMネットワークを完全に生のCSIデータでトレーニングし、処理時間を大幅に短縮する。
そこで本研究では, 生データの50%をGAN(Generative Adversarial Network)と組み合わせて生成することを目的としている。
実験結果から,本モデルでは分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
関連論文リスト
- Data Augmentation Techniques for Cross-Domain WiFi CSI-based Human
Activity Recognition [1.7404865362620803]
WiFi Channel State Information (CSI) は、屋内環境におけるコンタクトレスおよび視覚的プライバシー保護センシングを可能にする。
環境条件やセンサーハードウェアの多様さにより、低モデル一般化はこの分野でよく知られた問題である。
画像ベース学習で一般的に使用されるデータ拡張技術は、Wi-Fi CSIに適用され、モデル一般化性能への影響を調べる。
論文 参考訳(メタデータ) (2024-01-01T22:27:59Z) - Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳(メタデータ) (2023-12-04T01:32:42Z) - WiFi-TCN: Temporal Convolution for Human Interaction Recognition based
on WiFi signal [4.0773490083614075]
近年,Wi-Fiによる人間活動認識が注目されている。
Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。
本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-05-21T08:37:32Z) - Attention-Enhanced Deep Learning for Device-Free Through-the-Wall
Presence Detection Using Indoor WiFi Systems [9.087163485833054]
WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。
本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。
提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
論文 参考訳(メタデータ) (2023-04-25T19:17:36Z) - Contactless Human Activity Recognition using Deep Learning with Flexible
and Scalable Software Define Radio [1.3106429146573144]
本研究では,環境センシングの新たな手法として,Wi-Fiチャネル状態情報(CSI)の利用について検討する。
これらの方法は、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。
本研究では,Wi-Fi CSIベースのHARシステムを提案する。
論文 参考訳(メタデータ) (2023-04-18T10:20:14Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳(メタデータ) (2022-09-29T04:06:00Z) - 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) - A Novel Approach For Analysis of Distributed Acoustic Sensing System
Based on Deep Transfer Learning [0.0]
畳み込みニューラルネットワークは、空間情報を抽出するための非常に有能なツールである。
LSTM(Long-Short term memory)は、シーケンシャルデータを処理するための有効な機器である。
我々のフレームワークのVGG-16アーキテクチャは、50のトレーニングで100%の分類精度が得られる。
論文 参考訳(メタデータ) (2022-06-24T19:56:01Z) - Transformer Networks for Data Augmentation of Human Physical Activity
Recognition [61.303828551910634]
Recurrent Generative Adrial Networks (RGAN)のような最先端技術モデルは、リアルな合成データを生成するために使用される。
本稿では,データにグローバルな注意を払っているトランスフォーマーベースの生成敵ネットワークを,PAMAP2とリアルワールドヒューマンアクティビティ認識データセットでRGANと比較する。
論文 参考訳(メタデータ) (2021-09-02T16:47:29Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳(メタデータ) (2021-08-05T10:39:39Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z)
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。