論文の概要: Environment and Person Independent Activity Recognition with a Commodity IEEE 802.11ac Access Point

• arxiv url: http://arxiv.org/abs/2103.09924v1
• Date: Wed, 17 Mar 2021 21:44:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-20 06:49:21.042415
• Title: Environment and Person Independent Activity Recognition with a Commodity IEEE 802.11ac Access Point
• Title（参考訳）: コモディティieee 802.11acアクセスポイントを用いた環境と人別アクティビティ認識
• Authors: Francesca Meneghello, Domenico Garlisi, Nicol\`o Dal Fabbro, Ilenia Tinnirello, Michele Rossi
• Abstract要約: 市販のIEEE 802.11ac(WiFi)デバイスを用いたヒト活動認識(HAR)のための独自のアプローチを提案する。 そこで我々は,WiFiチャネルのチャネル周波数応答(CFR)から受信した位相を抽出し,クリーン化し,処理する手法を開発した。 提案されたharフレームワークは、4つの異なるアクティビティを実行する際に収集されたデータに基づいてトレーニングされ、見えない設定でテストされる。 最悪のシナリオでは、提案されたHAR技術は95%以上の平均精度に達し、抽出されたドップラー情報の有効性を検証します。
• 参考スコア（独自算出の注目度）: 11.105005428148026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Here, we propose an original approach for human activity recognition (HAR) with commercial IEEE 802.11ac (WiFi) devices, which generalizes across different persons, days and environments. To achieve this, we devise a technique to extract, clean and process the received phases from the channel frequency response (CFR) of the WiFi channel, obtaining an estimate of the Doppler shift at the receiver of the communication link. The Doppler shift reveals the presence of moving scatterers in the environment, while not being affected by (environment specific) static objects. The proposed HAR framework is trained on data collected as a person performs four different activities and is tested on unseen setups, to assess its performance as the person, the day and/or the environment change with respect to those considered at training time. In the worst case scenario, the proposed HAR technique reaches an average accuracy higher than 95%, validating the effectiveness of the extracted Doppler information, used in conjunction with a learning algorithm based on a neural network, in recognizing human activities in a subject and environment independent fashion.
• Abstract（参考訳）: 本稿では,市販のieee 802.11ac (wi-fi) デバイスを用いた人間行動認識 (har) のための独自のアプローチを提案する。 そこで我々は、WiFiチャネルのチャネル周波数応答(CFR)から受信した位相を抽出し、クリーン化し、処理する手法を考案し、通信リンクの受信機におけるドップラーシフトの推定値を得る。 ドップラーシフトは、(環境固有の)静的オブジェクトに影響されず、環境中の移動散乱体の存在を明らかにする。 提案したHARフレームワークは,4つの異なる活動を行うように収集されたデータに基づいてトレーニングされ,未確認のセットアップ上でテストされ,トレーニング時に考慮された人,日,環境の変化としての性能を評価する。 最悪の場合,提案手法は平均精度が95%以上に達し,ニューラルネットワークに基づく学習アルゴリズムと連動して抽出されたドップラー情報の有効性を検証した。

関連論文リスト

• Accurate Passive Radar via an Uncertainty-Aware Fusion of Wi-Fi Sensing Data [12.511211994847173]
  Wi-Fiデバイスは、周囲で何が起きているのかを検知し、人間の活動を識別するパッシブレーダーシステムとして効果的に利用することができる。 本稿では,データ生成に係わる潜在分布を推定するために,変分自動エンコーダを用いたアーキテクチャを提案する。 我々は、同一のWi-Fi受信機の異なるアンテナで処理された融合データにより、人間の活動認識の精度が向上することを確認した。
  論文  参考訳（メタデータ） (2024-07-01T08:26:15Z)
• Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks [91.15120211190519]
  本稿では、事前学習データセットにおけるノイズの性質を理解し、下流タスクへの影響を軽減することを目的とする。 雑音の悪影響を軽減するために特徴空間に適応する軽量ブラックボックスチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2023-09-29T06:18:15Z)
• A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels [10.056835910435499]
  本稿では,80MHz帯におけるIEEE 802.11acチャネル計測のデータセットについて述べる。 全体として、データセットは13時間以上のチャネル状態情報読み込み(23.6GB)を含んでいる。
  論文  参考訳（メタデータ） (2023-04-29T15:57:36Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Few-Shot Audio-Visual Learning of Environment Acoustics [89.16560042178523]
  室内インパルス応答 (RIR) 関数は、周囲の物理的環境がリスナーが聴く音をどう変換するかをキャプチャする。 我々は、空間で観測された画像とエコーのスパースセットに基づいて、RIRを推測する方法を探る。 3次元環境のための最先端オーディオ視覚シミュレータを用いた実験において,本手法が任意のRIRを生成できることを実証した。
  論文  参考訳（メタデータ） (2022-06-08T16:38:24Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Bridging the Gap Between Clean Data Training and Real-World Inference for Spoken Language Understanding [76.89426311082927]
  既存のモデルはクリーンデータに基づいてトレーニングされ、クリーンデータトレーニングと現実世界の推論の間にtextitgapが発生する。 本稿では,良質なサンプルと低品質のサンプルの両方が類似ベクトル空間に埋め込まれた領域適応法を提案する。 広く使用されているデータセット、スニップス、および大規模な社内データセット(1000万のトレーニング例)に関する実験では、この方法は実世界の(騒々しい)コーパスのベースラインモデルを上回るだけでなく、堅牢性、すなわち、騒々しい環境下で高品質の結果を生み出すことを実証しています。
  論文  参考訳（メタデータ） (2021-04-13T17:54:33Z)
• Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
  本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。 また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
  論文  参考訳（メタデータ） (2020-11-22T20:46:25Z)
• Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
  本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。 畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-02-13T20:35:55Z)
• Motion Classification using Kinematically Sifted ACGAN-Synthesized Radar Micro-Doppler Signatures [15.351282873821935]
  本稿では, 合成レーダマイクロドップラーシグネチャを生成するために, 対角学習への拡張アプローチを提案する。 合成データは,視覚的解釈,キネマティック一貫性の分析,データの多様性,潜伏空間の次元,塩分マップを用いて評価する。 19層ディープ畳み込みニューラルネットワーク(DCNN)は、敵ネットワークに供給されたデータセットとは異なる環境から取得したマイクロドップラーシグネチャを分類するために訓練される。
  論文  参考訳（メタデータ） (2020-01-19T16:50:10Z)

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。