論文の概要: Human Activity Recognition using Wearable Sensors: Review, Challenges, Evaluation Benchmark

• arxiv url: http://arxiv.org/abs/2101.01665v2
• Date: Wed, 6 Jan 2021 09:19:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 13:57:49.372266
• Title: Human Activity Recognition using Wearable Sensors: Review, Challenges, Evaluation Benchmark
• Title（参考訳）: ウェアラブルセンサを用いた人間の活動認識:レビュー,課題,評価ベンチマーク
• Authors: Reem Abdel-Salam, Rana Mostafa and Mayada Hadhood
• Abstract要約: ウェアラブルセンサに基づくヒューマンアクティビティ認識におけるトップパフォーマンス技術に関する広範な文献レビューを実施します。 6つの公開データセットを用いて,最先端技術に標準評価ベンチマークを適用する。 また,改良された手作り機能とニューラルネットワークアーキテクチャを組み合わせた,実験的に改良されたアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recognizing human activity plays a significant role in the advancements of human-interaction applications in healthcare, personal fitness, and smart devices. Many papers presented various techniques for human activity representation that resulted in distinguishable progress. In this study, we conduct an extensive literature review on recent, top-performing techniques in human activity recognition based on wearable sensors. Due to the lack of standardized evaluation and to assess and ensure a fair comparison between the state-of-the-art techniques, we applied a standardized evaluation benchmark on the state-of-the-art techniques using six publicly available data-sets: MHealth, USCHAD, UTD-MHAD, WISDM, WHARF, and OPPORTUNITY. Also, we propose an experimental, improved approach that is a hybrid of enhanced handcrafted features and a neural network architecture which outperformed top-performing techniques with the same standardized evaluation benchmark applied concerning MHealth, USCHAD, UTD-MHAD data-sets.
• Abstract（参考訳）: ヒトの活動を認識することは、医療、パーソナルフィットネス、スマートデバイスにおけるヒューマンインタラクション応用の進展に重要な役割を果たす。 多くの論文が人間の活動表現のための様々な技術を提示し、区別可能な進歩をもたらした。 本研究では,ウェアラブルセンサを用いたヒトの行動認識において,最新のトップパフォーマンス技術に関する広範な文献レビューを行う。 MHealth, USCHAD, UTD-MHAD, WISDM, WHARF, OPPORTUNITY の6つの公開データセットを用いて, 標準化された評価の欠如と, 最先端技術との公正な比較の確保のために, 最先端技術の評価ベンチマークを適用した。 また,MHealth, USCHAD, UTD-MHADデータセットに関して適用されたのと同じ標準評価ベンチマークで, 高性能な手工芸技術とニューラルネットワークアーキテクチャを併用した実験的改良手法を提案する。

関連論文リスト

• Human-Activity AGV Quality Assessment: A Benchmark Dataset and an Objective Evaluation Metric [56.73624246192218]
  我々は人間活動型AI生成ビデオ(AGV)の先駆的な研究を行っている。 視覚的品質評価と意味歪みの同定に焦点をあてる。 我々は,人間活動AGVの質を自動解析するために,AI生成人活動ビデオ品質指標(GHVQ)という客観的評価指標を開発した。
  論文  参考訳（メタデータ） (2024-11-25T17:58:43Z)
• A Comparative Study of Perceptual Quality Metrics for Audio-driven Talking Head Videos [81.54357891748087]
  4つの生成手法から生成した音声ヘッドビデオを収集する。 視覚的品質、口唇音の同期、頭部運動の自然性に関する制御された心理物理実験を行った。 実験では,モデル予測と人間のアノテーションの整合性を検証し,広く使用されている指標よりも人的意見に整合した指標を同定した。
  論文  参考訳（メタデータ） (2024-03-11T04:13:38Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• From Static Benchmarks to Adaptive Testing: Psychometrics in AI Evaluation [60.14902811624433]
  本稿では,静的評価手法から適応テストへのパラダイムシフトについて論じる。 これには、ベンチマークで各テスト項目の特性と価値を推定し、リアルタイムでアイテムを動的に調整することが含まれる。 我々は、AI評価にサイコメトリックを採用する現在のアプローチ、アドバンテージ、そして根底にある理由を分析します。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• 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)
• Domain Adaptation for Inertial Measurement Unit-based Human Activity Recognition: A Survey [1.7205106391379026]
  機械学習に基づくウェアラブルヒューマンアクティビティ認識(WHAR)モデルは、スマートでコネクテッドなコミュニティアプリケーションの開発を可能にする。 これらのWHARモデルの普及は、データ分散の不均一性の存在下での性能低下によって妨げられている。 従来の機械学習アルゴリズムとトランスファーラーニング技術は、そのようなデータ不均一性を扱うことの基盤となる課題に対処するために提案されている。 ドメイン適応(Domain adapt)は、近年の文献において大きな人気を博した転帰学習技術の一つである。
  論文  参考訳（メタデータ） (2023-04-07T01:33:42Z)
• 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)
• Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
  モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。 本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:50:52Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)
• B-HAR: an open-source baseline framework for in depth study of human activity recognition datasets and workflows [1.7639472693362923]
  本稿では,ベースラインフレームワークの定義,標準化,開発のためのオープンソースフレームワークであるB-HARを提案する。 データ準備のための最も一般的なデータ処理方法と、最も一般的な機械学習およびディープラーニングパターン認識モデルを実装している。
  論文  参考訳（メタデータ） (2021-01-23T12:42:41Z)
• Sensor Data for Human Activity Recognition: Feature Representation and Benchmarking [27.061240686613182]
  HAR(Human Activity Recognition)の分野は、監視装置(センサなど)から取得したデータを取得し、分析することに焦点を当てている。 我々は、異なる機械学習(ML)技術を用いて、人間のアクティビティを正確に認識する問題に対処する。
  論文  参考訳（メタデータ） (2020-05-15T00:46:55Z)

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。