論文の概要: A Prospective Approach for Human-to-Human Interaction Recognition from Wi-Fi Channel Data using Attention Bidirectional Gated Recurrent Neural Network with GUI Application Implementation

• arxiv url: http://arxiv.org/abs/2202.08146v1
• Date: Wed, 16 Feb 2022 15:40:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-17 14:35:13.037371
• Title: A Prospective Approach for Human-to-Human Interaction Recognition from Wi-Fi Channel Data using Attention Bidirectional Gated Recurrent Neural Network with GUI Application Implementation
• Title（参考訳）: GUIアプリケーション実装による意図的双方向Gated Recurrent Neural Networkを用いたWi-Fiチャネルデータからの人間と人間のインタラクション認識
• Authors: Md. Mohi Uddin Khan, Abdullah Bin Shams and Md. Mohsin Sarker Raihan
• Abstract要約: 本研究は,提案する人間の活動認識機構に注目し,Wi-Fiチャネル情報から相互の相互作用認識における空白を見出した。 無線ローカルエリアネットワークガジェットの対応するコンポーネントとチャネル特性、および信号とチャネルの摂動の顕著な原因を解明した。 この研究は、クロステスト実験で観察された補正をもたらすハンディキャップの解決策に関する簡単な談話で締めくくっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the recent advances in multi-disciplinary human activity recognition techniques, it has become inevitable to find an efficient, economical & privacy-friendly approach for human-to-human mutual interaction recognition in order to breakthrough the modern artificial intelligence centric indoor monitoring & surveillance system. This study initially attempted to set its sights on the already proposed human activity recognition mechanisms and found a void in mutual interaction recognition from Wi-Fi channel information which is convenient & affordable to be utilized. Then it elucidated on the corresponding components of wireless local area network gadgets along with the channel properties, and notable underlying causes of signal & channel perturbation. Thenceforth the study conducted three experiments on human-to-human mutual interaction recognition using the proposed Self-Attention furnished Bidirectional Gated Recurrent Neural Network deep learning model which is perceived to become emergent nowadays for time-series data classification through automated temporal feature extraction. Single pair mutual interaction recognition experiment achieved a maximum of 94% test benchmark while the experiment involving ten subject-pairs secured 88% benchmark with improved classification around interaction-transition region. Demonstration of a graphical user interface executable software designed using PyQt5 python module subsequently portrayed the overall mutual human-interaction recognition procedure, and finally the study concluded with a brief discourse regarding the possible solutions to the handicaps that resulted in curtailments observed in the case of cross-test experiment.
• Abstract（参考訳）: 近年の多分野のヒューマンアクティビティ認識技術の進歩により、現代の人工知能中心の屋内監視・監視システムを打破するために、人間と人間の相互インタラクション認識のための効率的で経済的かつプライバシーに優しいアプローチを見つけることが避けられなくなった。 この研究は、当初、すでに提案されている人間の活動認識機構に目をつけようと試み、Wi-Fiチャネル情報から相互の相互作用認識に空白を見出した。 そして、無線ローカルエリアネットワークガジェットの対応するコンポーネントとチャネル特性、および信号とチャネルの摂動の根本的な原因について解明した。 提案する双方向ゲート型リカレントニューラルネットワーク深層学習モデルを用いて,時間的特徴抽出による時系列データ分類において,現在出現していると認識される3つの相互インタラクション認識実験を行った。 シングルペア相互インタラクション認識実験は最大94%のテストベンチマークを達成し、10名の被験者ペアによる実験では88%のベンチマークが達成され、インタラクション遷移領域の分類が改善された。 PyQt5 pythonモジュールを用いて設計したグラフィカルユーザインタフェース実行可能ソフトウェアのデモは、その後、全体的な相互相互作用認識手順を描写し、最終的に、クロステスト実験で観察された補正をもたらすハンディキャップの解決策に関する簡単な談話で締めくくった。

関連論文リスト

• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
  近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。 本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:37:32Z)
• Contactless Human Activity Recognition using Deep Learning with Flexible and Scalable Software Define Radio [1.3106429146573144]
  本研究では,環境センシングの新たな手法として,Wi-Fiチャネル状態情報(CSI)の利用について検討する。 これらの方法は、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。 本研究では,Wi-Fi CSIベースのHARシステムを提案する。
  論文  参考訳（メタデータ） (2023-04-18T10:20:14Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• Hand gesture recognition using 802.11ad mmWave sensor in the mobile device [2.5476515662939563]
  スマートフォンにおける802.11ad 60GHz (mmWave) 技術を用いたAI支援手振り認識の実現可能性について検討する。 我々は、時間分割デュプレックス(TDD)によってレーダーセンシングと通信波形が共存できるプロトタイプシステムを構築した。 センシングデータを収集し、100ミリ秒以内にジェスチャーを予測する。
  論文  参考訳（メタデータ） (2022-11-14T03:36:17Z)
• Differentiable Frequency-based Disentanglement for Aerial Video Action Recognition [56.91538445510214]
  ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。 我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。 我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-09-15T22:16:52Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)

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。