Fugu-MT 論文翻訳(概要): Stacked Generalization for Human Activity Recognition

論文の概要: Stacked Generalization for Human Activity Recognition

arxiv url: http://arxiv.org/abs/2009.10312v1
Date: Tue, 22 Sep 2020 04:38:49 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 22:51:57.119299
Title: Stacked Generalization for Human Activity Recognition
Title（参考訳）: アクティビティ認識のためのスタック一般化
Authors: Ambareesh Ravi
Abstract要約: 本稿では,HAR(Human Activity Recognition)のための古典的機械学習手法の有効性と性能について論じる。エクトラツリー(Extra Tree)とスタックド(Stacked)という2つの重要なモデルを提案し、ベストプラクティスを強調している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This short paper aims to discuss the effectiveness and performance of classical machine learning approaches for Human Activity Recognition (HAR). It proposes two important models - Extra Trees and Stacked Classifier with the emphasize on the best practices, heuristics and measures that are required to maximize the performance of those models.
Abstract（参考訳）: 本稿では,HAR(Human Activity Recognition)のための古典的機械学習手法の有効性と性能について論じる。モデルのパフォーマンスを最大化するために必要となるベストプラクティス、ヒューリスティック、測定値を強調した2つの重要なモデルを提案している。

関連論文リスト

Are Visual-Language Models Effective in Action Recognition? A Comparative Study [22.97135293252601]
本稿では,最先端のビジョン基盤モデルに関する大規模研究と知見を提供する。ゼロショットとフレームワイドのアクション認識タスクへの転送能力を比較する。最近の微粒な人間中心の行動認識データセットで実験を行う。
論文参考訳（メタデータ） (2024-10-22T16:28:21Z)
Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach [50.36650300087987]
本研究は, ジェネレーティブ・クラス・インクリメンタル・ラーニング(GCIL, Generative Class Incremental Learning)への新たなアプローチを提案する。我々は, 忘れる機構の統合により, 新たな知識獲得におけるモデルの性能が著しく向上することを発見した。
論文参考訳（メタデータ） (2024-03-27T05:10:38Z)
ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
論文参考訳（メタデータ） (2024-02-22T13:22:06Z)
Standardizing Your Training Process for Human Activity Recognition Models: A Comprehensive Review in the Tunable Factors [4.199844472131922]
ウェアラブルヒューマンアクティビティ認識(WHAR)分野における現代ディープラーニング研究の総括的レビューを行う。この結果から,モデルトレーニングプロトコルが提供する詳細が欠如していることが示唆された。分析から得られた知見をもとに,WHARモデルに適合した新たな統合トレーニング手順を定義する。
論文参考訳（メタデータ） (2024-01-10T17:45:28Z)
Learning Action-Effect Dynamics for Hypothetical Vision-Language Reasoning Task [50.72283841720014]
本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
論文参考訳（メタデータ） (2022-12-07T05:41:58Z)
Human Activity Recognition Using Cascaded Dual Attention CNN and Bi-Directional GRU Framework [3.3721926640077795]
視覚に基づく人間の活動認識は、ビデオ分析領域において重要な研究領域の1つとして現れてきた。本稿では,人間の行動認識における深部識別的空間的特徴と時間的特徴を利用した,計算的に効率的だが汎用的な空間時空間カスケードフレームワークを提案する。提案手法は, 従来の動作認識手法と比較して, フレーム毎秒最大167倍の性能向上を実現している。
論文参考訳（メタデータ） (2022-08-09T20:34:42Z)
A Close Look into Human Activity Recognition Models using Deep Learning [0.0]
本稿では,ディープラーニングアーキテクチャに基づく最先端の人間活動認識モデルについて検討する。この分析は、モデルがどのように実装され、その効果と、それが直面する潜在的な制限を最大化するかを概説している。
論文参考訳（メタデータ） (2022-04-26T19:43:21Z)
Precondition and Effect Reasoning for Action Recognition [0.0]
本稿では,行動認識の性能向上のための前提条件と効果に基づく因果関係のモデル化を提案する。具体的には,行動認識のための因果関係を捉えるために,サイクル・推論モデルを提案する。実験結果から,提案したサイクル推論モデルは,事前条件と効果を効果的に推論し,行動認識性能を向上させることができることがわかった。
論文参考訳（メタデータ） (2021-12-19T04:38:52Z)
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)
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)
Cost-effective Interactive Attention Learning with Neural Attention Processes [79.8115563067513]
対話型注意学習(Interactive Attention Learning, IAL)と呼ばれる対話型学習フレームワークを提案する。 IALは、人間のアノテーションが不足しているため、過度に適合する傾向がある。我々は,サンプル効率のよい注意機構と,コスト効率のよいインスタンスと機能の再ランクアルゴリズムを提案することで,これらの課題に対処する。
論文参考訳（メタデータ） (2020-06-09T17:36:41Z)

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。