論文の概要: A MIMO Radar-Based Metric Learning Approach for Activity Recognition
- arxiv url: http://arxiv.org/abs/2111.01939v1
- Date: Tue, 2 Nov 2021 23:11:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 14:02:57.895617
- Title: A MIMO Radar-Based Metric Learning Approach for Activity Recognition
- Title（参考訳）: MIMOレーダを用いた活動認識のためのメトリック学習手法
- Authors: Fady Aziz, Omar Metwally, Pascal Weller, Urs Schneider, Marco F. Huber
- Abstract要約: 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。
- 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: Human activity recognition is seen of great importance in the medical and
surveillance fields. Radar has shown great feasibility for this field based on
the captured micro-Doppler ({\mu}-D) signatures. In this paper, a MIMO radar is
used to formulate a novel micro-motion spectrogram for the angular velocity
({\mu}-{\omega}) in non-tangential scenarios. Combining both the {\mu}-D and
the {\mu}-{\omega} signatures have shown better performance. Classification
accuracy of 88.9% was achieved based on a metric learning approach. The
experimental setup was designed to capture micro-motion signatures on different
aspect angles and line of sight (LOS). The utilized training dataset was of
smaller size compared to the state-of-the-art techniques, where eight
activities were captured. A few-shot learning approach is used to adapt the
pre-trained model for fall detection. The final model has shown a
classification accuracy of 86.42% for ten activities.
- Abstract（参考訳）: 人的活動認識は医療・監視の分野で非常に重要である。
radarは、捕獲されたマイクロドップラー({\mu}-d)シグネチャに基づいて、この分野において大きな可能性を示している。
本稿では,非タンジェンシャルシナリオにおける角速度 ({\mu}-{\omega}) に対する新しいマイクロモーションスペクトログラムを作成するために,mimoレーダを用いた。
{\mu}-D と {\mu}-{\omega} のシグネチャを組み合わせることでパフォーマンスが向上した。
メートル法学習による分類精度は88.9%であった。
実験装置は、異なるアスペクト角と視線(LOS)のマイクロモーションシグネチャをキャプチャするために設計された。
活用したトレーニングデータセットは,8つのアクティビティをキャプチャした最先端技術に比べて小さかった。
フォール検出に事前トレーニングされたモデルを適用するために,少数の学習アプローチが使用されている。
最終モデルは10のアクティビティに対して86.42%の分類精度を示した。
関連論文リスト
- Detection of Animal Movement from Weather Radar using Self-Supervised Learning [0.14999444543328289]
動物の動きを検出するための自己教師型学習法を提案する。
提案手法では,しきい値を用いた雑音ラベル付き大規模データセット上でモデルを事前学習する。
オーストラリアの気象レーダデータを用いた水鳥セグメンテーション実験により, 提案手法は, ダイス共効率統計学において, 現在の最先端技術よりも43.53%優れていることが判明した。
論文 参考訳（メタデータ） (2024-08-08T12:48:54Z) - Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳（メタデータ） (2023-12-15T01:56:27Z) - HomE: Homography-Equivariant Video Representation Learning [62.89516761473129]
マルチビュービデオの表現学習のための新しい手法を提案する。
提案手法は異なる視点間の暗黙的なマッピングを学習し,近隣の視点間のホモグラフィ関係を維持する表現空間を決定づける。
動作分類では,UCF101データセットの96.4%の3倍精度が得られた。
論文 参考訳（メタデータ） (2023-06-02T15:37:43Z) - Predicted Embedding Power Regression for Large-Scale Out-of-Distribution
Detection [77.1596426383046]
本研究では,学習過程において学習したラベル分布に基づいて,予測されたクラスラベルの確率を計算する手法を開発した。
提案手法は,計算コストの最小化のみで,現在の最先端手法よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-03-07T18:28:39Z) - Reconstruction-based Out-of-Distribution Detection for Short-Range FMCW
Radar [0.0]
本稿では,レーダ領域で動作する新しい再構成型OOD検出器を提案する。
提案手法はオートエンコーダ(AE)とその潜在表現を利用してOODサンプルを検出する。
我々は60GHz短距離FMCWレーダを用いて収集したデータセットに対して90.72%のAUROCを達成した。
論文 参考訳（メタデータ） (2023-02-27T23:03:51Z) - 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) - A MIMO Radar-based Few-Shot Learning Approach for Human-ID [3.3073775218038883]
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。
論文 参考訳（メタデータ） (2021-10-16T15:37:57Z) - 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) - Multi-View Radar Semantic Segmentation [3.2093811507874768]
自動車用レーダーは、周囲の物体の特性を測定する安価なアクティブセンサーである。
レーダー生データのサイズと複雑さのため、シーン理解にはほとんど使われない。
我々は,複数の新しいアーキテクチャとそれに伴う損失を提案し,レンジアングル・ドップラーレーダテンソルの複数の"ビュー"を分析し,意味的にセグメンテーションする。
論文 参考訳（メタデータ） (2021-03-30T09:56:41Z) - Motion Pyramid Networks for Accurate and Efficient Cardiac Motion
Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。
我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。
そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文 参考訳（メタデータ） (2020-06-28T21:03:19Z)
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。