論文の概要: Anticipatory Detection of Compulsive Body-focused Repetitive Behaviors
with Wearables
- arxiv url: http://arxiv.org/abs/2106.10970v1
- Date: Mon, 21 Jun 2021 10:45:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:11:19.951944
- Title: Anticipatory Detection of Compulsive Body-focused Repetitive Behaviors
with Wearables
- Title(参考訳): ウェアラブルを用いた強制的身体中心反復行動の予測検出
- Authors: Benjamin Lucas Searle, Dimitris Spathis, Marios Constantinides,
Daniele Quercia, Cecilia Mascolo
- Abstract要約: 身体に焦点を合わせた反復行動(BFRB)は、早期に特定されて治療を受けなければ、その外見を損なう可能性がある。
そこで本研究では,BFRBの検出に動き,向き,心拍数センサを併用した多感覚アプローチを提案する。
- 参考スコア(独自算出の注目度): 10.815538874892919
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Body-focused repetitive behaviors (BFRBs), like face-touching or
skin-picking, are hand-driven behaviors which can damage one's appearance, if
not identified early and treated. Technology for automatic detection is still
under-explored, with few previous works being limited to wearables with single
modalities (e.g., motion). Here, we propose a multi-sensory approach combining
motion, orientation, and heart rate sensors to detect BFRBs. We conducted a
feasibility study in which participants (N=10) were exposed to BFRBs-inducing
tasks, and analyzed 380 mins of signals under an extensive evaluation of
sensing modalities, cross-validation methods, and observation windows. Our
models achieved an AUC > 0.90 in distinguishing BFRBs, which were more evident
in observation windows 5 mins prior to the behavior as opposed to 1-min ones.
In a follow-up qualitative survey, we found that not only the timing of
detection matters but also models need to be context-aware, when designing
just-in-time interventions to prevent BFRBs.
- Abstract(参考訳): 身体に焦点をあてた反復行動(BFRBs)は、顔の触覚やスキンピッキングのような手動行動であり、早期に特定され治療されない場合、その外見を損なう可能性がある。
自動検出技術はまだ未開発であり、以前の研究は単一のモード(例えばモーション)を持つウェアラブルに限られていた。
本稿では,モーションセンサと方向センサ,心拍センサを組み合わせたマルチセンサによるbfrb検出手法を提案する。
被験者 (N=10) がBFRBの誘導作業に曝露される可能性調査を行い, 380分間の信号の解析を行い, 感度, クロスバリデーション法, 観察窓の評価を行った。
モデルでは, bfrbs の識別において auc > 0.90 を達成し, 1-min ではなく windows 5 分前の観察ではより顕著であった。
bfrbsを予防するためにジャスト・イン・タイムの介入を設計する場合,検出タイミングだけでなく,モデルもコンテキスト認識が必要であることがわかった。
関連論文リスト
- Detecting Backdoors During the Inference Stage Based on Corruption
Robustness Consistency [33.42013309686333]
本稿では,被害者モデルのハードラベル出力のみを必要とする試験時間トリガーサンプル検出法を提案する。
私たちの旅は、バックドアに感染したモデルが、クリーンな画像に対して異なる画像の破損に対して同様のパフォーマンスを持つのに、トリガーサンプルに対して不一致に実行するという興味深い観察から始まります。
大規模な実験では、最先端のディフェンスと比較すると、TeCoは異なるバックドア攻撃、データセット、モデルアーキテクチャにおいて、それらよりも優れています。
論文 参考訳(メタデータ) (2023-03-27T07:10:37Z) - Unsupervised Video Anomaly Detection for Stereotypical Behaviours in
Autism [20.09315869162054]
本稿では,コンピュータビジョン技術を用いてステレオタイプ行動を自動的に検出することに焦点を当てる。
本研究では、人間のポーズの時間的軌跡と人間の行動の反復パターンに基づいて、ステレオタイプ行動検出のためのデュアルストリーム深度モデル(DS-SBD)を提案する。
論文 参考訳(メタデータ) (2023-02-27T13:24:08Z) - Undersampling and Cumulative Class Re-decision Methods to Improve
Detection of Agitation in People with Dementia [16.949993123698345]
消化は認知症(PwD)で最も多い症状の1つである。
前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。
本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
論文 参考訳(メタデータ) (2023-02-07T03:14:00Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳(メタデータ) (2022-05-16T04:24:22Z) - Self-supervised Pretraining with Classification Labels for Temporal
Activity Detection [54.366236719520565]
時間的アクティビティ検出は、1フレーム当たりのアクティビティクラスを予測することを目的としている。
検出に必要なフレームレベルのアノテーションが高価なため、検出データセットの規模は限られている。
本研究では,分類ラベルを利用した自己教師付き事前学習手法を提案する。
論文 参考訳(メタデータ) (2021-11-26T18:59:28Z) - 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) - Continuity-Discrimination Convolutional Neural Network for Visual Object
Tracking [150.51667609413312]
本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。
この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。
不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
論文 参考訳(メタデータ) (2021-04-18T06:35:03Z) - Unsupervised Behaviour Analysis and Magnification (uBAM) using Deep
Learning [5.101123537955207]
運動行動分析は、運動障害とその介入による変化を特定する非侵襲的戦略を提供する。
偏差の検出と拡大による挙動解析のための自動深層学習アルゴリズムであるuBAM(Unsupervised Behavior Analysis and magnification)について紹介する。
中心となる側面は姿勢と行動表現の教師なし学習であり、運動の客観的比較を可能にする。
論文 参考訳(メタデータ) (2020-12-16T20:07:36Z) - Closeness and Uncertainty Aware Adversarial Examples Detection in
Adversarial Machine Learning [0.7734726150561088]
敵のサンプルを検出するための2つの異なるメトリクス群の使用法を探索し、評価します。
敵検出のための新機能を導入し、これらの指標のパフォーマンスが使用される攻撃の強さに大きく依存していることを示します。
論文 参考訳(メタデータ) (2020-12-11T14:44:59Z) - 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) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。