論文の概要: A MIMO Radar-based Few-Shot Learning Approach for Human-ID
- arxiv url: http://arxiv.org/abs/2110.08595v1
- Date: Sat, 16 Oct 2021 15:37:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 18:16:15.132962
- Title: A MIMO Radar-based Few-Shot Learning Approach for Human-ID
- Title（参考訳）: MIMOレーダを用いたFew-Shot Learning Approach for Human-ID
- Authors: Pascal Weller, Fady Aziz, Sherif Abdulatif, Urs Schneider, Marco F.
Huber
- Abstract要約: 深層学習に基づく人間識別のためのレーダーは、関心の高まりの研究領域となっている。
マイクロドップラー((upmu)-D)は、周期的な手足のマイクロモーションを捉えて歩行行動を反映できることが示されている。
本稿では,Multi-Input-multiple-output (MIMO) レーダーを用いて,高度角速度のマイクロモーションスペクトログラムを定式化する。
- 参考スコア（独自算出の注目度）: 3.3073775218038883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radar for deep learning-based human identification has become a research area
of increasing interest. It has been shown that micro-Doppler (\(\upmu\)-D) can
reflect the walking behavior through capturing the periodic limbs'
micro-motions. One of the main aspects is maximizing the number of included
classes while considering the real-time and training dataset size constraints.
In this paper, a multiple-input-multiple-output (MIMO) radar is used to
formulate micro-motion spectrograms of the elevation angular velocity
(\(\upmu\)-\(\omega\)). The effectiveness of concatenating this
newly-formulated spectrogram with the commonly used \(\upmu\)-D is
investigated. To accommodate for non-constrained real walking motion, an
adaptive cycle segmentation framework is utilized and a metric learning network
is trained on half gait cycles (\(\approx\) 0.5 s). Studies on the effects of
various numbers of classes (5--20), different dataset sizes, and varying
observation time windows 1--2 s are conducted. A non-constrained walking
dataset of 22 subjects is collected with different aspect angles with respect
to the radar. The proposed few-shot learning (FSL) approach achieves a
classification error of 11.3 % with only 2 min of training data per subject.
- Abstract（参考訳）: 深層学習に基づく人間識別のためのレーダーは、関心の高まりの研究領域となっている。
マイクロドップラー(\(\upmu\)-d)は周期的な四肢の運動を捉えることで歩行行動を反映できることが示されている。
主な側面の1つは、リアルタイムおよびトレーニングデータセットサイズ制約を考慮して、含められたクラスの数を最大化することである。
本稿では,Multi-Input-multiple-output (MIMO) レーダーを用いて,高度角速度(\(\upmu\)-\(\omega\))のマイクロモーションスペクトログラムを定式化する。
新たに作成したスペクトログラムを一般に使用される \(\upmu\)-d に結合する効果について検討した。
非拘束的な実歩行運動に対応するため、適応サイクルセグメンテーションフレームワークを使用し、半歩行サイクル(\(\approx\) 0.5 s)でメトリック学習ネットワークを訓練する。
各種クラス (5--20) の効果, データセットサイズ, 観測時間窓1--2 sの変化について検討した。
22名の被験者の非拘束歩行データセットをレーダに対して異なるアスペクトアングルで収集する。
提案した数ショット学習(FSL)アプローチは、被験者毎のトレーニングデータのわずか2分で11.3 %の分類誤差を達成する。
関連論文リスト
- Multivariate Time Series Classification: A Deep Learning Approach [1.0742675209112622]
本稿では時系列分類領域に適用可能な様々な手法とニューラルネットワークアーキテクチャについて検討する。
データは、酸素や音などの量を測定し、追跡するガスセンサー群から得られる。
このデータにより、特定の環境における占有などの事象を検出することができる。
論文 参考訳（メタデータ） (2023-07-05T12:50:48Z) - Pedestrian Recognition with Radar Data-Enhanced Deep Learning Approach
Based on Micro-Doppler Signatures [16.91496812594182]
本稿では,データ強化(DE)モジュールとマルチ特性学習(MCL)モジュールを備えたデータ強化多言語学習(DEMCL)モデルを提案する。
我々のモデルは、他の研究よりも3.33%から10.24%正確であり、25分間の歩行データセット上での短い実行時間は0.9324秒である。
論文 参考訳（メタデータ） (2023-06-14T07:19:13Z) - A Machine Learning approach for correcting radial velocities using
physical observables [0.0]
シミュレーションと実データを用いて、恒星の活動を自由なドップラーで測定するディープニューラルネットワーク手法の能力について検討する。
RV非依存的アプローチは、既知の物理的効果から急激なドップラー変動を大幅に低減できることを示す。
観測された変動率と補正の一致をよく観察するが,ノイズ低減はシミュレーションほど良くないことがわかった。
論文 参考訳（メタデータ） (2023-01-30T13:25:00Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-06-30T01:44:30Z) - Metric-based multimodal meta-learning for human movement identification
via footstep recognition [3.300376360949452]
マルチモーダル・フレームワークを導入した新しいメトリック・ベース・ラーニング・アプローチについて述べる。
我々は,全方位センサシステムから得られた低感度データから汎用表現を学習する。
本研究は,マルチセンサデータに対するメトリクスに基づくコントラスト学習手法を用いて,データ不足の影響を緩和する。
論文 参考訳（メタデータ） (2021-11-15T18:46:14Z) - A MIMO Radar-Based Metric Learning Approach for Activity Recognition [3.3073775218038883]
本稿では,非接尾辞シナリオにおける角速度 (mu-omega) に関する新しいマイクロモーション・スペクトログラムを定式化する。
88.9%の分類精度は、メートル法学習法に基づいて達成された。
論文 参考訳（メタデータ） (2021-11-02T23:11:53Z) - Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and
Contrastive Meta-Learning [51.03781020616402]
現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。
そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。
粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
論文 参考訳（メタデータ） (2021-08-15T02:21:01Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳（メタデータ） (2021-08-05T10:39:39Z) - Spatial-Temporal Correlation and Topology Learning for Person
Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。
CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。
グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文 参考訳（メタデータ） (2021-04-15T14:32:12Z) - Quasi-Dense Similarity Learning for Multiple Object Tracking [82.93471035675299]
本稿では, コントラスト学習のための画像に対して, 数百の領域提案を高密度にサンプリングする準高次類似性学習を提案する。
この類似性学習と既存の検出手法を直接組み合わせてQuasi-Dense Tracking(QDTrack)を構築することができる。
論文 参考訳（メタデータ） (2020-06-11T17:57:12Z) - End-to-end Learning for Inter-Vehicle Distance and Relative Velocity
Estimation in ADAS with a Monocular Camera [81.66569124029313]
本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。
提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。
また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
論文 参考訳（メタデータ） (2020-06-07T08:18:31Z)
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。