Fugu-MT 論文翻訳(概要): Personalization in Human Activity Recognition

論文の概要: Personalization in Human Activity Recognition

arxiv url: http://arxiv.org/abs/2009.00268v1
Date: Tue, 1 Sep 2020 06:59:17 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 00:42:34.972963
Title: Personalization in Human Activity Recognition
Title（参考訳）: 人間活動認識におけるパーソナライズ
Authors: Anna Ferrari, Daniela Micucci, Marco Mobilio, Paolo Napoletano
Abstract要約: HAR(Human Activity Recognition)は、人々の幸福をモニタリングするために重要である。主な課題の1つは、人口の多様性と、同じ活動を異なる方法でどのように行うかに関するものである。本稿では,物理特性と信号類似性を利用してより良い結果を得る可能性について検討する。
参考スコア（独自算出の注目度）: 8.076841611508486
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the recent years there has been a growing interest in techniques able to automatically recognize activities performed by people. This field is known as Human Activity recognition (HAR). HAR can be crucial in monitoring the wellbeing of the people, with special regard to the elder population and those people affected by degenerative conditions. One of the main challenges concerns the diversity of the population and how the same activities can be performed in different ways due to physical characteristics and life-style. In this paper we explore the possibility of exploiting physical characteristics and signal similarity to achieve better results with respect to deep learning classifiers that do not rely on this information.
Abstract（参考訳）: 近年,人々の行動を自動的に認識できる技術への関心が高まっている。この分野はHuman Activity Recognition(HAR)として知られている。 harは高齢者や変性状態の影響を受ける人々について、人々の健康状態を監視する上で非常に重要である。主な課題の1つは、人口の多様性と、身体的特徴や生活様式によって、同じ活動がどのように異なる方法で行われるかである。本稿では,この情報に依存しない深層学習分類器に対して,物理特性と信号類似性を活用してよりよい結果を得る可能性について検討する。

関連論文リスト

Limitations in Employing Natural Language Supervision for Sensor-Based Human Activity Recognition -- And Ways to Overcome Them [10.878632018296326]
自然言語と他のモダリティ間のクロスモーダルなコントラスト事前学習は、驚くべき性能と有効性を示している。ウェアラブルセンサを用いたヒューマンアクティビティ認識(HAR)において,このような自然言語の監視が有効かどうかを検討する。当然のことながら、通常のエンドツーエンドのトレーニングやセルフスーパービジョンよりもはるかにパフォーマンスが劣っていることが分かりました。
論文参考訳（メタデータ） (2024-08-21T22:30:36Z)
Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文参考訳（メタデータ） (2024-05-15T20:41:46Z)
A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
論文参考訳（メタデータ） (2023-05-15T16:02:56Z)
Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文参考訳（メタデータ） (2023-04-04T07:24:51Z)
Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文参考訳（メタデータ） (2023-01-19T12:33:50Z)
I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
論文参考訳（メタデータ） (2022-10-28T16:28:26Z)
RunnerDNA: Interpretable indicators and model to characterize human activity pattern and individual difference [8.820303797376752]
5つの解釈可能な指標、バランス、ストライド、ステアリング、安定性、振幅からなるRunnerDNAの概念が、個々のレベルでの人間の活動を記述するために提案された。歩行,ランニング,自転車などの身体活動に従事するボランティア33名を対象に,スマートフォンのマルチセンサデータを収集した。インジケータはランダムな森林モデルを構築し、運動活動とユーザのアイデンティティを認識するために使用される。
論文参考訳（メタデータ） (2022-01-19T01:09:30Z)
Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文参考訳（メタデータ） (2021-09-07T01:34:51Z)
Preserving Privacy in Human-Motion Affect Recognition [4.753703852165805]
本研究は,3次元の時間的関節信号と手動抽出特徴を用いた感情認識における既存手法の有効性を評価する。本稿では,マルチエンコーダ自動エンコーダ深層ニューラルネットワークを訓練し,人間の動作特徴の不連続な潜在表現を学習するクロスサブジェクトトランスファー学習手法を提案する。
論文参考訳（メタデータ） (2021-05-09T15:26:21Z)
Human Activity Recognition Using Multichannel Convolutional Neural Network [0.0]
人間の活動認識(HAR)は、単に人間の行動を知覚する機械の能力を指します。本論文では,実用的行動から収集したデータに基づいて,人間の行動を区別できる教師付き学習法について述べる。このモデルはUCI HARデータセットでテストされ、95.25%の分類精度が得られた。
論文参考訳（メタデータ） (2021-01-17T16:48:17Z)

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。