論文の概要: Attend And Discriminate: Beyond the State-of-the-Art for Human Activity
Recognition using Wearable Sensors
- arxiv url: http://arxiv.org/abs/2007.07172v1
- Date: Tue, 14 Jul 2020 16:44:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 14:14:47.188382
- Title: Attend And Discriminate: Beyond the State-of-the-Art for Human Activity
Recognition using Wearable Sensors
- Title(参考訳): 注意と差別:ウェアラブルセンサを用いた人間行動認識の現状と課題
- Authors: Alireza Abedin, Mahsa Ehsanpour, Qinfeng Shi, Hamid Rezatofighi,
Damith C. Ranasinghe
- Abstract要約: ウェアラブルは、人間の活動に対する理解を改善するための基本です。
我々は、豊かで高度に差別化された活動表現を学ぶための新しい機会を精力的に探求する。
我々の貢献は4つの多様な活動認識問題ベンチマークにおいて、最先端のパフォーマンスを達成する。
- 参考スコア(独自算出の注目度): 22.786406177997172
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wearables are fundamental to improving our understanding of human activities,
especially for an increasing number of healthcare applications from
rehabilitation to fine-grained gait analysis. Although our collective know-how
to solve Human Activity Recognition (HAR) problems with wearables has
progressed immensely with end-to-end deep learning paradigms, several
fundamental opportunities remain overlooked. We rigorously explore these new
opportunities to learn enriched and highly discriminating activity
representations. We propose: i) learning to exploit the latent relationships
between multi-channel sensor modalities and specific activities; ii)
investigating the effectiveness of data-agnostic augmentation for multi-modal
sensor data streams to regularize deep HAR models; and iii) incorporating a
classification loss criterion to encourage minimal intra-class representation
differences whilst maximising inter-class differences to achieve more
discriminative features. Our contributions achieves new state-of-the-art
performance on four diverse activity recognition problem benchmarks with large
margins -- with up to 6% relative margin improvement. We extensively validate
the contributions from our design concepts through extensive experiments,
including activity misalignment measures, ablation studies and insights shared
through both quantitative and qualitative studies.
- Abstract(参考訳): ウェアラブルは、特にリハビリテーションからきめ細かい歩行分析に至るまで、医療応用の増加のために、人間の活動に対する理解を改善するための基本となる。
ウェアラブルに関するHAR(Human Activity Recognition)問題を解決するための総合的なノウハウは、エンドツーエンドのディープラーニングパラダイムによって大きく進歩しているが、いくつかの基本的な機会は見過ごされ続けている。
我々は、豊かで差別性の高い活動表現を学習するこれらの新しい機会を精力的に探求する。
提案します
一 マルチチャネルセンサモダリティと特定活動の潜在関係を利用するための学習
二 深部HARモデルの標準化のためのマルチモーダルセンサデータストリームにおけるデータ非依存化の有効性の検討及び
三 クラス間差を最大化しつつ、クラス内差の最小化を図るために分類損失基準を組み込むこと。
当社の貢献は、4つの多様なアクティビティ認識問題ベンチマークで新たな最先端のパフォーマンスを達成し、大きなマージンと最大6%のマージン改善を実現しています。
我々は,この設計概念からの貢献を,量的および質的研究を通じて共有される活動的不均衡尺度,アブレーション研究,洞察など,広範な実験を通じて広範囲に検証した。
関連論文リスト
- Leveraging Diffusion Disentangled Representations to Mitigate Shortcuts
in Underspecified Visual Tasks [92.32670915472099]
拡散確率モデル(DPM)を用いた合成カウンターファクトの生成を利用したアンサンブルの多様化フレームワークを提案する。
拡散誘導型分散化は,データ収集を必要とする従来の手法に匹敵するアンサンブル多様性を達成し,ショートカットからの注意を回避できることを示す。
論文 参考訳(メタデータ) (2023-10-03T17:37:52Z) - A Matter of Annotation: An Empirical Study on In Situ and Self-Recall
Activity Annotations from Wearable Sensors [79.57744087902266]
そこで本研究では,Wildデータに着目した4つのアノテーション手法を比較した。
本研究は,異なるラベル付け手法がアノテーションの品質に直接影響を及ぼすことを示す。
アクティビティダイアログと可視化ツールを組み合わせることで,参加者のアクティビティデータを検査し,ラベル付けすることができる。
論文 参考訳(メタデータ) (2023-05-15T16:02:56Z) - TASKED: Transformer-based Adversarial learning for human activity
recognition using wearable sensors via Self-KnowledgE Distillation [6.458496335718508]
本稿では,TASKED(Self-KnowledgE Distillation)を用いたウェアラブルセンサを用いた,トランスフォーマーに基づく人間行動認識のための新しい逆学習フレームワークを提案する。
提案手法では,教師なしの自己知識蒸留を採用し,訓練手順の安定性と人間の活動認識性能を向上させる。
論文 参考訳(メタデータ) (2022-09-14T11:08:48Z) - Multi-level Contrast Network for Wearables-based Joint Activity
Segmentation and Recognition [10.828099015828693]
ウェアラブルを用いたヒューマンアクティビティ認識(HAR)は、多くのスマートヘルスケアアプリケーションで広く採用可能な、有望な研究である。
ほとんどのHARアルゴリズムは、必要不可欠なが滅多に悪用されないマルチクラスウィンドウ問題の影響を受けやすい。
我々は,HARにセグメンテーション技術を導入し,共同活動セグメンテーションと認識を実現した。
論文 参考訳(メタデータ) (2022-08-16T05:39:02Z) - Contrastive Learning with Cross-Modal Knowledge Mining for Multimodal
Human Activity Recognition [1.869225486385596]
複数のモダリティを活用することによって、より良い認識がもたらされるという仮説を探求する。
我々は、近年、人間活動認識の課題に対して、多くの対照的な自己監督的アプローチを拡張している。
マルチモーダルな自己教師型学習を実現するための,フレキシブルで汎用的なフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-20T10:39:16Z) - ACP++: Action Co-occurrence Priors for Human-Object Interaction
Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。
我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文 参考訳(メタデータ) (2021-09-09T06:02:50Z) - Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and
Contrastive Meta-Learning [51.03781020616402]
現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。
そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。
粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
論文 参考訳(メタデータ) (2021-08-15T02:21:01Z) - Weakly-supervised Multi-task Learning for Multimodal Affect Recognition [33.7929682119287]
本稿では,教師なしマルチタスク学習を用いたデータセットを活用した一般化性能の向上を提案する。
具体的には、1感情認識、2感情分析、3サーカスム認識の3つのマルチモーダル影響認識タスクについて検討する。
実験の結果,マルチタスクは全てのタスクに有効であり,精度は2.9%,F1スコアは3.3%向上した。
論文 参考訳(メタデータ) (2021-04-23T12:36:19Z) - Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。
我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
論文 参考訳(メタデータ) (2020-07-17T02:47:45Z) - Spectrum-Guided Adversarial Disparity Learning [52.293230153385124]
本稿では,新たなエンド・ツー・エンドの知識指向学習フレームワークを提案する。
2つの競合符号化分布を用いてクラス条件付きクラス内不一致を表現し、学習された不一致を識別することで精製された潜伏符号を学習する。
4つのHARベンチマークデータセットに対する実験により,提案手法の頑健性と,最先端の手法による一般化が実証された。
論文 参考訳(メタデータ) (2020-07-14T05:46:27Z)
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。