Fugu-MT 論文翻訳(概要): Improving state estimation through projection post-processing for activity recognition in football

論文の概要: Improving state estimation through projection post-processing for activity recognition in football

arxiv url: http://arxiv.org/abs/2102.03310v1
Date: Fri, 5 Feb 2021 17:32:39 GMT
ステータス: 処理完了
システム内更新日: 2021-02-08 19:47:13.360586
Title: Improving state estimation through projection post-processing for activity recognition in football
Title（参考訳）: サッカーにおける活動認識のための投影後処理による状態推定の改善
Authors: Micha{\l} Ciszewski, Jakob S\"ohl, Geurt Jongbloed
Abstract要約: 分類結果における状態遷移の時間的不確実性の問題に対処する新しい性能尺度である局所時間シフト尺度を提案する。我々の主な貢献は、バイナリアクティビティ認識のための新しい後処理手法である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The past decade has seen an increased interest in human activity recognition. Most commonly, the raw data coming from sensors attached to body parts are unannotated, which creates a need for fast labelling method. Part of the procedure is choosing or designing an appropriate performance measure. We propose a new performance measure, the Locally Time-Shifted Measure, which addresses the issue of timing uncertainty of state transitions in the classification result. Our main contribution is a novel post-processing method for binary activity recognition. It improves the accuracy of the classification methods, by correcting for unrealistically short activities in the estimate.
Abstract（参考訳）: 過去10年間、人間の活動認識への関心は高まっている。最も一般的には、ボディパーツに取り付けられたセンサーから来る生データは無注釈であり、高速なラベリング方法を必要とします。手順の一部は、適切なパフォーマンス対策の選択または設計です。分類結果における状態遷移の時間的不確実性の問題に対処する新しい性能尺度である局所時間シフト尺度を提案する。当社の主な貢献は,バイナリアクティビティ認識のための新しいポストプロセッシング手法である。推定における非現実的な短いアクティビティを補正することにより、分類方法の精度を向上させる。

関連論文リスト

Gradient-Mask Tuning Elevates the Upper Limits of LLM Performance [51.36243421001282]
Gradient-Mask Tuning (GMT) は、勾配情報に基づいてトレーニング中のパラメータを選択的に更新する手法である。実験により, GMTは従来の微調整法に勝るだけでなく, LLM性能の上限も高めることを示した。
論文参考訳（メタデータ） (2024-06-21T17:42:52Z)
Active Transfer Learning for Efficient Video-Specific Human Pose Estimation [16.415080031134366]
ヒューマン・ポース(HP)推定は幅広い応用のために活発に研究されている。本稿では,アクティブラーニング(AL)とトランスファーラーニング(TL)を組み合わせて,HP推定器を個々のビデオ領域に効率よく適応させる手法を提案する。
論文参考訳（メタデータ） (2023-11-08T21:56:29Z)
Evaluation of Test-Time Adaptation Under Computational Time Constraints [80.40939405129102]
テスト時間適応(TTA)メソッドは、テスト時にラベルのないデータを活用して、分散シフトに適応する。現在の評価プロトコルは、この余分なコストの影響を見落とし、実際の適用性に影響を与える。本稿では,TTA手法のより現実的な評価プロトコルを提案し,一定の速度のデータストリームからデータをオンライン形式で受信する。
論文参考訳（メタデータ） (2023-04-10T18:01:47Z)
Stream-based active learning with linear models [0.7734726150561089]
生産において、製品情報を取得するためにランダム検査を行う代わりに、ラベルなしデータの情報内容を評価することによりラベルを収集する。本稿では,ストリームベースのシナリオを学習者に順次提供するための新たな戦略を提案する。未ラベルデータポイントの通知性にしきい値を設定することにより、意思決定プロセスの反復的な側面に取り組む。
論文参考訳（メタデータ） (2022-07-20T13:15:23Z)
Continual Learning For On-Device Environmental Sound Classification [63.81276321857279]
デバイス上での環境音の分類のための簡易かつ効率的な連続学習法を提案する。本手法は,サンプルごとの分類の不確実性を測定することにより,トレーニングの履歴データを選択する。
論文参考訳（メタデータ） (2022-07-15T12:13:04Z)
An Adaptive Task-Related Component Analysis Method for SSVEP recognition [0.913755431537592]
定常視覚誘発電位(SSVEP)認識法は、被験者の校正データから学習する。本研究では,限られたキャリブレーションデータから学習する新しい手法を開発した。
論文参考訳（メタデータ） (2022-04-17T15:12:40Z)
Efficient training of lightweight neural networks using Online Self-Acquired Knowledge Distillation [51.66271681532262]
オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
論文参考訳（メタデータ） (2021-08-26T14:01:04Z)
On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
論文参考訳（メタデータ） (2021-07-01T17:59:07Z)
SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文参考訳（メタデータ） (2021-04-06T13:12:51Z)
Contrastive Predictive Coding for Human Activity Recognition [5.766384728949437]
本研究では,センサデータストリームの長期的時間構造をキャプチャする人間行動認識にContrastive Predictive Codingフレームワークを導入する。 CPCベースの事前学習は自己管理され、その結果得られた表現は標準のアクティビティチェーンに統合できる。少量のラベル付きトレーニングデータしか利用できない場合、認識性能が大幅に向上します。
論文参考訳（メタデータ） (2020-12-09T21:44:36Z)
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。