論文の概要: CubeLearn: End-to-end Learning for Human Motion Recognition from Raw mmWave Radar Signals

• arxiv url: http://arxiv.org/abs/2111.03976v1
• Date: Sun, 7 Nov 2021 00:45:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 17:08:47.817537
• Title: CubeLearn: End-to-end Learning for Human Motion Recognition from Raw mmWave Radar Signals
• Title（参考訳）: CubeLearn: 生ミリ波レーダ信号による人間の動作認識のためのエンドツーエンド学習
• Authors: Peijun Zhao, Chris Xiaoxuan Lu, Bing Wang, Niki Trigoni and Andrew Markham
• Abstract要約: mmWave FMCWレーダーは近年、人間中心の応用に多大な研究関心を集めている。 既存のパイプラインのほとんどは、従来のDFT前処理とディープニューラルネットワークハイブリッド方式に基づいて構築されている。 生のレーダ信号から特徴を直接抽出する学習可能な前処理モジュールであるCubeLearnを提案する。
• 参考スコア（独自算出の注目度）: 40.53874877651099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: mmWave FMCW radar has attracted huge amount of research interest for human-centered applications in recent years, such as human gesture/activity recognition. Most existing pipelines are built upon conventional Discrete Fourier Transform (DFT) pre-processing and deep neural network classifier hybrid methods, with a majority of previous works focusing on designing the downstream classifier to improve overall accuracy. In this work, we take a step back and look at the pre-processing module. To avoid the drawbacks of conventional DFT pre-processing, we propose a learnable pre-processing module, named CubeLearn, to directly extract features from raw radar signal and build an end-to-end deep neural network for mmWave FMCW radar motion recognition applications. Extensive experiments show that our CubeLearn module consistently improves the classification accuracies of different pipelines, especially benefiting those previously weaker models. We provide ablation studies on initialization methods and structure of the proposed module, as well as an evaluation of the running time on PC and edge devices. This work also serves as a comparison of different approaches towards data cube slicing. Through our task agnostic design, we propose a first step towards a generic end-to-end solution for radar recognition problems.
• Abstract（参考訳）: mmWave FMCWレーダーは、近年、人間のジェスチャー/アクティビティ認識など、人間中心のアプリケーションに多大な研究関心を集めている。 既存のパイプラインのほとんどは、従来の離散フーリエ変換(dft)前処理とディープニューラルネットワーク分類器ハイブリッドメソッドに基づいて構築されている。 この作業では、一歩後退して、前処理モジュールを調べます。 そこで,従来のdft前処理の欠点を回避するために,生のレーダ信号から特徴を直接抽出し,mmwave fmcwレーダ認識アプリケーションのためのエンドツーエンドのディープニューラルネットワークを構築する学習可能な前処理モジュールcubelearnを提案する。 大規模な実験により、我々のCubeLearnモジュールは、異なるパイプラインの分類精度を一貫して改善し、特に以前より弱いモデルの恩恵を受けています。 本研究は,PCおよびエッジデバイス上での走行時間の評価とともに,モジュールの初期化手法と構造に関するアブレーション研究である。 この研究は、データキューブスライシングに対する様々なアプローチの比較にも役立ちます。 我々はタスク非依存設計を通じて,レーダ認識問題に対する汎用的なエンドツーエンドソリューションへの第一歩を提案する。

関連論文リスト

• Stepping Forward on the Last Mile [8.756033984943178]
  本稿では,バックプロパゲーションと比較してメモリフットプリントと精度のギャップを低減させるアルゴリズムの一連の拡張を提案する。 その結果、エッジデバイス上でのモデルカスタマイズの最後のマイルでは、固定点前方勾配によるトレーニングが実現可能で実践的なアプローチであることが示されている。
  論文  参考訳（メタデータ） (2024-11-06T16:33:21Z)
• Emergence in non-neural models: grokking modular arithmetic via average gradient outer product [16.911836722312152]
  グラッキングはニューラルネットワークや勾配降下に基づく最適化に特有ではないことを示す。 この現象はRecursive Feature Machinesを用いてモジュラー算術を学習する際に発生する。 この結果から,タスク関連の特徴を学習することで,創発が純粋に引き起こされることが示された。
  論文  参考訳（メタデータ） (2024-07-29T17:28:58Z)
• Towards Explainable Machine Learning: The Effectiveness of Reservoir Computing in Wireless Receive Processing [21.843365090029987]
  本稿では,Reservoir Computing (RC) と呼ばれる一般的な学習手法を適用し,チャネル等化の具体的課題について検討する。 RCは従来の手法や学習に基づく手法に比べて優れた性能を示した。 また,これをシミュレーションにより最適化することにより,受信処理/シンボル検出性能の向上を示す。
  論文  参考訳（メタデータ） (2023-10-08T00:44:35Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception [10.826849062116748]
  本稿では,U-NetとEfficientNetという2つのディープラーニングモデルを用いて手の動きを検出し,ミリ波レーダ画像のノイズを除去する。 第1深層学習モデルステージに入る前に、画像の復号化を行うための新しい前処理手法により、分類の精度が向上する。
  論文  参考訳（メタデータ） (2022-11-07T12:42:13Z)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• Deep Learning Radio Frequency Signal Classification with Hybrid Images [0.0]
  入力トレーニングデータに使用できるさまざまな前処理ステップに注目し、結果を固定されたディープラーニングアーキテクチャでテストする。 本稿では,時間領域情報と周波数領域情報の両方を利用するハイブリッド画像を提案し,コンピュータビジョン問題として分類する。
  論文  参考訳（メタデータ） (2021-05-19T11:12:09Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)

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。