論文の概要: Deep Learning Methods for Fingerprint-Based Indoor Positioning: A Review
- arxiv url: http://arxiv.org/abs/2205.14935v1
- Date: Mon, 30 May 2022 09:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-01 05:28:18.646873
- Title: Deep Learning Methods for Fingerprint-Based Indoor Positioning: A Review
- Title（参考訳）: 指紋を用いた屋内測位のための深層学習法の検討
- Authors: Fahad Alhomayani and Mohammad H. Mahoor
- Abstract要約: 位置フィンガープリンティングは、屋内位置決めのための有効な方法および解決策として登場した。
指紋認証のためのディープラーニング手法は、従来の機械学習アルゴリズムよりも優れている。
深層学習をフィンガープリントに組み込むことで、大幅な改善がもたらされる一方で、新たな課題も導入されている。
- 参考スコア（独自算出の注目度）: 5.21855879789247
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Outdoor positioning systems based on the Global Navigation Satellite System
have several shortcomings that have deemed their use for indoor positioning
impractical. Location fingerprinting, which utilizes machine learning, has
emerged as a viable method and solution for indoor positioning due to its
simple concept and accurate performance. In the past, shallow learning
algorithms were traditionally used in location fingerprinting. Recently, the
research community started utilizing deep learning methods for fingerprinting
after witnessing the great success and superiority these methods have over
traditional/shallow machine learning algorithms. This paper provides a
comprehensive review of deep learning methods in indoor positioning. First, the
advantages and disadvantages of various fingerprint types for indoor
positioning are discussed. The solutions proposed in the literature are then
analyzed, categorized, and compared against various performance evaluation
metrics. Since data is key in fingerprinting, a detailed review of publicly
available indoor positioning datasets is presented. While incorporating deep
learning into fingerprinting has resulted in significant improvements, doing
so, has also introduced new challenges. These challenges along with the common
implementation pitfalls are discussed. Finally, the paper is concluded with
some remarks as well as future research trends.
- Abstract（参考訳）: グローバルナビゲーション衛星システムに基づく屋外測位システムには,室内測位が実用的でないと考える欠点がいくつかある。
機械学習を利用した位置フィンガープリンティングは、シンプルな概念と正確な性能のため、屋内位置決めの有効な方法と解決策として登場した。
これまでは、浅層学習アルゴリズムは位置フィンガープリントに用いられてきた。
近年,研究コミュニティは,従来の機械学習アルゴリズムよりも優れた成功と優位性を見出した後,指紋認証の深層学習手法の利用を開始した。
本稿では,屋内測位における深層学習法について概観する。
まず,屋内位置決めにおける各種指紋の利点と欠点について考察した。
文献で提案されたソリューションは分析され、分類され、様々なパフォーマンス評価指標と比較される。
指紋認証においてデータが重要なので、公開されている屋内位置決めデータセットの詳細なレビューを行う。
深層学習をフィンガープリントに組み込むことで、大幅な改善がもたらされる一方で、新たな課題も導入されている。
これらの課題と共通の実装の落とし穴について論じる。
最後に,今後の研究動向とともに,いくつかの論点をまとめる。
関連論文リスト
- Fusion of Minutia Cylinder Codes and Minutia Patch Embeddings for Latent Fingerprint Recognition [1.534667887016089]
本稿では,潜伏指紋認識に対する融合型局所マッチング手法を提案する。
提案されたアプローチは、これらの手作り機能と、最近提案された深層ニューラルネットワークの組み込み機能を多段階融合アプローチに統合する。
論文 参考訳（メタデータ） (2024-03-24T14:29:41Z) - Deep Learning based Fingerprint Presentation Attack Detection: A
Comprehensive Survey [6.668147787950981]
指紋認証には指紋提示検出(FPAD)法が不可欠である。
ディープラーニングベースのFPADは、過去10年間で素晴らしいパフォーマンスを達成した。
既存の深層学習FPADについて,接触型,非接触型,スマートフォンベースのアプローチに分類して説明する。
論文 参考訳（メタデータ） (2023-05-27T16:37:41Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳（メタデータ） (2023-01-30T12:38:31Z) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - Deep Depth Completion: A Survey [26.09557446012222]
我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。
ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。
室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
論文 参考訳（メタデータ） (2022-05-11T08:24:00Z) - A Method of Data Augmentation to Train a Small Area Fingerprint
Recognition Deep Neural Network with a Normal Fingerprint Database [0.0]
本研究では, 指紋データベースを用いた小面積指紋認識深層ニューラルネットワークの訓練のためのデータ拡張手法を提案する。
実験の結果,本手法の有効性が示された。
論文 参考訳（メタデータ） (2022-03-23T07:29:39Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。
このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文 参考訳（メタデータ） (2021-02-04T15:59:30Z) - Variational Information Bottleneck Model for Accurate Indoor Position
Recognition [0.0]
室内位置の精度向上のための変分情報ボトルネックモデルを提案する。
提案モデルはエンコーダ構造と予測器構造からなる。
実世界のデータセット上で検証実験を行う。
論文 参考訳（メタデータ） (2021-01-26T09:29:53Z) - A Pluggable Learned Index Method via Sampling and Gap Insertion [48.900186573181735]
データベースインデックスは、データ検索を促進し、現実世界のシステムにおける幅広いアプリケーションに役立つ。
近年,隠れて有用なデータ分布を学習するために,learning indexという新しいインデックスが提案されている。
学習指標の学習効率と学習効率を高めるための2つの一般的なテクニックとプラグイン可能なテクニックを研究します。
論文 参考訳（メタデータ） (2021-01-04T07:17:23Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳（メタデータ） (2020-05-12T15:51:59Z)
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。