Fugu-MT 論文翻訳(概要): TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation

論文の概要: TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation

arxiv url: http://arxiv.org/abs/2209.09092v1
Date: Wed, 14 Sep 2022 11:08:48 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 17:13:23.509180
Title: TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation
Title（参考訳）: TASKED:Self-KnowledgE Distillationを用いたウェアラブルセンサを用いたトランスフォーマーに基づく人間行動認識のための逆学習
Authors: Sungho Suh, Vitor Fortes Rey and Paul Lukowicz
Abstract要約: 本稿では,TASKED(Self-KnowledgE Distillation)を用いたウェアラブルセンサを用いた,トランスフォーマーに基づく人間行動認識のための新しい逆学習フレームワークを提案する。提案手法では,教師なしの自己知識蒸留を採用し,訓練手順の安定性と人間の活動認識性能を向上させる。
参考スコア（独自算出の注目度）: 6.458496335718508
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Wearable sensor-based human activity recognition (HAR) has emerged as a principal research area and is utilized in a variety of applications. Recently, deep learning-based methods have achieved significant improvement in the HAR field with the development of human-computer interaction applications. However, they are limited to operating in a local neighborhood in the process of a standard convolution neural network, and correlations between different sensors on body positions are ignored. In addition, they still face significant challenging problems with performance degradation due to large gaps in the distribution of training and test data, and behavioral differences between subjects. In this work, we propose a novel Transformer-based Adversarial learning framework for human activity recognition using wearable sensors via Self-KnowledgE Distillation (TASKED), that accounts for individual sensor orientations and spatial and temporal features. The proposed method is capable of learning cross-domain embedding feature representations from multiple subjects datasets using adversarial learning and the maximum mean discrepancy (MMD) regularization to align the data distribution over multiple domains. In the proposed method, we adopt the teacher-free self-knowledge distillation to improve the stability of the training procedure and the performance of human activity recognition. Experimental results show that TASKED not only outperforms state-of-the-art methods on the four real-world public HAR datasets (alone or combined) but also improves the subject generalization effectively.
Abstract（参考訳）: ウェアラブルセンサを用いたヒューマンアクティビティ認識(HAR)が主要な研究領域として登場し、様々な用途で利用されている。近年,人間-コンピュータインタラクションアプリケーションの開発により,深層学習に基づく手法がhar分野において著しく改善されている。しかし、それらは標準的な畳み込みニューラルネットワークの過程において局所的にのみ動作し、身体位置上の異なるセンサ間の相関は無視される。さらに、トレーニングデータとテストデータの分布に大きなギャップがあり、被験者間の行動の違いがあるため、パフォーマンス劣化に関する重大な課題に直面している。本研究では, センサの向きや空間的, 時間的特徴を考慮に入れた, 自己知識蒸留(TASKED)による, ウェアラブルセンサを用いた人間行動認識のためのトランスフォーマーベース適応学習フレームワークを提案する。提案手法は,逆学習とmmd(maximum mean discrepancy)正規化を用いて,複数の対象データからクロスドメイン埋め込み特徴表現を学習し,複数の領域にまたがるデータ分布を調整できる。提案手法では,教師なしの自己知識蒸留を採用し,訓練手順の安定性と人間の活動認識性能を向上させる。実験結果から,TASKEDは実世界の4つのHARデータセットにおいて,最先端の手法よりも優れるだけでなく,対象の一般化を効果的に改善することが示された。

関連論文リスト

Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes [70.66864668709677]
高価なブラックボックス関数のグローバル感度解析におけるアクティブラーニングの問題点を考察する。関数評価は高価であるため,最も価値の高い実験資源の優先順位付けにアクティブラーニングを利用する。本稿では,デリバティブに基づくグローバル感度測定の重要量を直接対象とする,新たな能動的学習獲得関数を提案する。
論文参考訳（メタデータ） (2024-07-13T01:41:12Z)
Sensor Data Augmentation from Skeleton Pose Sequences for Improving Human Activity Recognition [5.669438716143601]
HAR(Human Activity Recognition)は、ディープラーニングの普及に大きく貢献していない。本稿では,センサをベースとしたウェアラブル型HARに対して,ポーズ・ツー・センサ・ネットワークモデルを導入することにより,新たなアプローチを提案する。コントリビューションには、同時トレーニングの統合、直接ポーズ・ツー・センサ生成、MM-Fitデータセットの包括的な評価が含まれる。
論文参考訳（メタデータ） (2024-04-25T10:13:18Z)
Investigating Deep Neural Network Architecture and Feature Extraction Designs for Sensor-based Human Activity Recognition [0.0]
様々な領域にわたるディープラーニングの有効性が証明されたことを踏まえ、アクティビティ認識の課題に取り組むために多くのディープメソッドが検討されている。一般的なディープラーニングと機械学習の手法と、異なる学習メカニズムの性能について検討する。センサ時系列データから抽出した様々な特徴表現と,その有効性を測定した。
論文参考訳（メタデータ） (2023-09-26T14:55:32Z)
A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文参考訳（メタデータ） (2023-07-06T10:38:14Z)
Unsupervised Statistical Feature-Guided Diffusion Model for Sensor-based Human Activity Recognition [3.2319909486685354]
ウェアラブルセンサーによる人間の活動認識の進歩を支えている重要な問題は、多様なラベル付きトレーニングデータの利用不可能である。本研究では,ウェアラブルセンサを用いた人間行動認識に特化して最適化された,教師なしの統計的特徴誘導拡散モデルを提案する。平均,標準偏差,Zスコア,歪などの統計情報に拡散モデルを適用し,多種多様な合成センサデータを生成する。
論文参考訳（メタデータ） (2023-05-30T15:12:59Z)
Domain Adaptation for Inertial Measurement Unit-based Human Activity Recognition: A Survey [1.7205106391379026]
機械学習に基づくウェアラブルヒューマンアクティビティ認識(WHAR)モデルは、スマートでコネクテッドなコミュニティアプリケーションの開発を可能にする。これらのWHARモデルの普及は、データ分散の不均一性の存在下での性能低下によって妨げられている。従来の機械学習アルゴリズムとトランスファーラーニング技術は、そのようなデータ不均一性を扱うことの基盤となる課題に対処するために提案されている。ドメイン適応(Domain adapt)は、近年の文献において大きな人気を博した転帰学習技術の一つである。
論文参考訳（メタデータ） (2023-04-07T01:33:42Z)
Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2022-10-11T08:24:50Z)
Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文参考訳（メタデータ） (2022-02-10T06:23:56Z)
Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文参考訳（メタデータ） (2021-03-06T09:10:03Z)
Contrastive Predictive Coding for Human Activity Recognition [5.766384728949437]
本研究では,センサデータストリームの長期的時間構造をキャプチャする人間行動認識にContrastive Predictive Codingフレームワークを導入する。 CPCベースの事前学習は自己管理され、その結果得られた表現は標準のアクティビティチェーンに統合できる。少量のラベル付きトレーニングデータしか利用できない場合、認識性能が大幅に向上します。
論文参考訳（メタデータ） (2020-12-09T21:44:36Z)
Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文参考訳（メタデータ） (2020-09-01T03:38:31Z)

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。