論文の概要: Real-Time Wearable Gait Phase Segmentation For Running And Walking
- arxiv url: http://arxiv.org/abs/2205.04668v1
- Date: Tue, 10 May 2022 04:43:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-14 19:37:32.476990
- Title: Real-Time Wearable Gait Phase Segmentation For Running And Walking
- Title（参考訳）: ランニングとウォーキングのためのリアルタイムウェアラブル歩行位相セグメンテーション
- Authors: Jien-De Sui, Wei-Han Chen, Tzyy-Yuang Shiang and Tian-Sheuan Chang
- Abstract要約: 畳み込みニューラルネットワーク(CNN)に基づく分類タスクは、異なるテストケース下で各フェーズを正確に分類するために、時間遅延や重重なり合ったスライドウインドウの面倒な手作業を必要とする。
本稿では,6軸IMUセンサのみを用いたセグメンテーションに基づく歩行位相検出手法を提案する。
20Hzサンプリングレートデータに基づくモデルでは,揺動時間8.86ms,姿勢時間9.12ms,歩行位相検出96.44%,ストライド検出99.97%の誤差が得られる。
- 参考スコア（独自算出の注目度）: 1.8525902437585904
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous gait phase detection as convolutional neural network (CNN) based
classification task requires cumbersome manual setting of time delay or heavy
overlapped sliding windows to accurately classify each phase under different
test cases, which is not suitable for streaming Inertial-Measurement-Unit (IMU)
sensor data and fails to adapt to different scenarios. This paper presents a
segmentation based gait phase detection with only a single six-axis IMU sensor,
which can easily adapt to both walking and running at various speeds. The
proposed segmentation uses CNN with gait phase aware receptive field setting
and IMU oriented processing order, which can fit to high sampling rate of IMU
up to 1000Hz for high accuracy and low sampling rate down to 20Hz for real time
calculation. The proposed model on the 20Hz sampling rate data can achieve
average error of 8.86 ms in swing time, 9.12 ms in stance time and 96.44\%
accuracy of gait phase detection and 99.97\% accuracy of stride detection. Its
real-time implementation on mobile phone only takes 36 ms for 1 second length
of sensor data.
- Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)に基づく分類タスクでは、異なるテストケース下で各フェーズを正確に分類するために、時間遅延や重重なり合ったスライディングウィンドウの煩雑な手動設定が必要であり、これはIMU(Inertial-Measurement-Unit)センサーデータのストリーミングには適さないため、異なるシナリオに適応できない。
本稿では,単一の6軸imuセンサのみを用いたセグメンテーションに基づく歩行位相検出法を提案する。
提案したセグメンテーションは、歩行位相を考慮した受容場設定とIMU指向処理順序を備えたCNNを用いており、高い精度で1000HzまでのIMUのサンプリングレートに適合し、リアルタイム計算では20Hzまでのサンプリングレートを低下させることができる。
20Hzサンプリングレートデータを用いたモデルでは,揺動時間8.86ms,姿勢時間9.12ms,歩行位相検出96.44\%,ストライド検出99.97\%の平均誤差が得られる。
携帯電話でのリアルタイム実装は1秒のセンサーデータに36ミリ秒しかかからない。
関連論文リスト
- Remote Detection of Applications for Improved Beam Tracking in mmWave/sub-THz 5G/6G Systems [37.35086075012511]
ビームトラッキングはミリ波(mmWave, 30-100 GHz)とサブテラヘルツ(サブTHz, 100-300 GHz)の5G/6Gシステムに不可欠な機能である。
基地局(BS)とユーザ機器(UE)の両方でアンテナ掃除を行う。
本稿では,エアインターフェースにおける適用形態の明示的なシグナリングがない場合,受信信号強度パターンに基づいて,BS側でリモートで検出する方法を提案する。
論文 参考訳（メタデータ） (2024-10-24T10:55:21Z) - Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。
我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。
FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
論文 参考訳（メタデータ） (2024-08-13T04:33:23Z) - Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である
CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。
CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文 参考訳（メタデータ） (2023-10-01T05:07:17Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Driver Maneuver Detection and Analysis using Time Series Segmentation
and Classification [7.413735713939367]
本稿では,自然主義運転環境下での車両遠隔計測データから車両の操作を自動的に検出する手法を実装した。
本研究の目的は、自然主義駆動学習ビデオのフレーム・バイ・フレームアノテーションのためのエンドツーエンドパイプラインを開発することである。
論文 参考訳（メタデータ） (2022-11-10T03:38:50Z) - Real Time On Sensor Gait Phase Detection with 0.5KB Deep Learning Model [2.79329087573672]
畳み込みニューラルネットワークによる歩行位相検出は正確な分類を提供するが、高い計算コストを必要とする。
本稿では、0.5KBのモデルサイズと毎秒67Kの操作しか必要とせず、95.9%の精度で、幅と深さを縮小したU-Netのようなモデルでセグメント化に基づく歩行位相検出を行う。
論文 参考訳（メタデータ） (2022-05-02T09:59:56Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - Small Object Detection Based on Modified FSSD and Model Compression [7.387639662781843]
本稿では,FSSDに基づく小型物体検出アルゴリズムを提案する。
計算コストと記憶空間を削減するため, モデル圧縮を実現するためにプルーニングを行う。
アルゴリズムの平均精度(mAP)は、PASCAL VOCで80.4%、GTX1080tiで59.5 FPSに達する。
論文 参考訳（メタデータ） (2021-08-24T03:20:32Z) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳（メタデータ） (2021-06-23T18:00:05Z) - FastEmit: Low-latency Streaming ASR with Sequence-level Emission
Regularization [78.46088089185156]
ストリーム自動音声認識(ASR)は、仮説化された単語を可能な限り迅速かつ正確に出力することを目的としている。
既存のアプローチでは、シーケンストランスデューサモデルにおいて、トーケン単位またはフレーム単位の確率予測を演算することで、発光遅延をペナルティ化する。
本稿では,訓練用トランスデューサモデルにおいて,シーケンス毎の確率に遅延正規化を直接適用する,FastEmitというシーケンスレベルのエミッション正規化手法を提案する。
論文 参考訳（メタデータ） (2020-10-21T17:05:01Z) - Classifying CMB time-ordered data through deep neural networks [0.0]
CMB実験の検出器を分類するための教師付き機械学習モデルを提案する。
このモデルは深層畳み込みニューラルネットワークに対応する。
私たちのモデルは現在のパイプラインの約10倍の速度で、リアルタイム実装に適しています。
論文 参考訳（メタデータ） (2020-04-13T22:34:30Z)
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。