Fugu-MT 論文翻訳(概要): Discriminating sensor activation in activity recognition within multi-occupancy environments based on nearby interaction

論文の概要: Discriminating sensor activation in activity recognition within multi-occupancy environments based on nearby interaction

arxiv url: http://arxiv.org/abs/2211.10355v1
Date: Thu, 3 Nov 2022 18:13:44 GMT
ステータス: 処理完了
システム内更新日: 2022-11-27 13:35:11.860496
Title: Discriminating sensor activation in activity recognition within multi-occupancy environments based on nearby interaction
Title（参考訳）: 近接相互作用に基づく多人数環境における活動認識におけるセンサアクティベーションの識別
Authors: Aurora Polo-Rodriguez and Javier Medina-Quero
Abstract要約: 本研究は、近接相互作用に基づくマルチ占有環境におけるセンサアクティベーションを識別するコンピュータモデルを提案する。本研究では, 位置とセンサのアクティベーションの空間的時間的関係について述べる。
参考スコア（独自算出の注目度）: 1.4163209188832675
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This work presents a computer model to discriminate sensor activation in multi-occupancy environments based on proximity interaction. Current proximity-based and indoor location methods allow the estimation of the positions or areas where inhabitants carry out their daily human activities. The spatial-temporal relation between location and sensor activations is described in this work to generate a sensor interaction matrix for each inhabitant. This enables the use of classical HAR models to reduce the complexity of the multi-occupancy problem. A case study deployed with UWB and binary sensors is presented.
Abstract（参考訳）: 本研究は、近接相互作用に基づくマルチ占有環境におけるセンサアクティベーションを識別するコンピュータモデルを提案する。現在の近接型および屋内位置推定法では、住民が日常の人間活動を行う場所や地域を推定できる。本研究では, 位置とセンサのアクティベーションの空間的-時間的関係を記述し, 各居住者に対してセンサ相互作用行列を生成する。これにより、古典的HARモデルを使用することで、マルチ占有問題の複雑さを低減できる。 UWBとバイナリセンサーを併用したケーススタディを示す。

関連論文リスト

Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文参考訳（メタデータ） (2024-10-15T07:35:51Z)
Advancing Location-Invariant and Device-Agnostic Motion Activity Recognition on Wearable Devices [6.557453686071467]
センサ位置をまたいだ運動モデルの一般化可能性に関する総合的な評価を行う。我々の分析は、この課題を強調し、位置不変モデルを構築する上で重要な位置を特定する。本稿では,センサ配置に関係なく,デバイス上での動作モデルを単一モデルから91.41%のフレームレベルF1スコアに展開する。
論文参考訳（メタデータ） (2024-02-06T05:10:00Z)
Latent Exploration for Reinforcement Learning [87.42776741119653]
強化学習では、エージェントは環境を探索し、相互作用することでポリシーを学ぶ。 LATent TIme-Correlated Exploration (Lattice)を提案する。
論文参考訳（メタデータ） (2023-05-31T17:40:43Z)
Interaction Transformer for Human Reaction Generation [61.22481606720487]
本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
論文参考訳（メタデータ） (2022-07-04T19:30:41Z)
Attention-Based Sensor Fusion for Human Activity Recognition Using IMU Signals [4.558966602878624]
本稿では,異なる身体部位に装着した複数のIMUセンサを用いた人体行動認識のための新しいアテンションベースアプローチを提案する。異なる身体位置におけるセンサの重要性を学習し、注意に基づく融合機構を開発し、注意的特徴表現を生成する。提案手法は,5つの公開データセットを用いて評価し,多種多様な活動カテゴリにおける最先端の手法より優れている。
論文参考訳（メタデータ） (2021-12-20T17:00:27Z)
Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
論文参考訳（メタデータ） (2021-07-31T13:36:04Z)
Multimodal Approaches for Indoor Localization for Ambient Assisted Living in Smart Homes [0.0]
ユーザインタラクションのマルチモーダルコンポーネントを研究する,ビッグデータ駆動の方法論を提案する。第二に、加速度計とジャイロスコープデータを解釈できる文脈に依存しないアプローチを導入する。第3に,室内位置の空間座標を検出する手法を提案する。
論文参考訳（メタデータ） (2021-06-29T17:46:21Z)
Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
論文参考訳（メタデータ） (2020-11-22T20:46:25Z)
DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection [53.40028068801092]
本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
論文参考訳（メタデータ） (2020-10-02T13:57:58Z)
Learning Human-Object Interaction Detection using Interaction Points [140.0200950601552]
本研究では,人間と物体の相互作用を直接検出する新しい完全畳み込み手法を提案する。我々のネットワークは相互作用点を予測し、その相互作用を直接ローカライズし、分類する。 V-COCOとHICO-DETの2つの人気のあるベンチマークで実験が行われる。
論文参考訳（メタデータ） (2020-03-31T08:42:06Z)
Human Activity Recognition from Wearable Sensor Data Using Self-Attention [2.9023633922848586]
本稿では,身体のセンサデータから行動認識のための自己認識型ニューラルネットワークモデルを提案する。一般に公開されている4つのHARデータセット、PAMAP2、Opportunity、Skoda、USC-HADについて実験を行った。ベンチマークテスト対象とLeave-out-subject評価の両方において,最近の最先端モデルよりも高い性能向上を実現している。
論文参考訳（メタデータ） (2020-03-17T14:16:57Z)

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。