論文の概要: Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology
- arxiv url: http://arxiv.org/abs/2303.07107v1
- Date: Fri, 10 Mar 2023 14:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 15:01:33.684420
- Title: Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology
- Title（参考訳）: 事前定義された動きパターンの自動分類:GNSSとUWB技術の比較
- Authors: Rodi Laanen, Maedeh Nasri, Richard van Dijk, Mitra Baratchi, Alexander
Koutamanis and Carolien Rieffe
- Abstract要約: リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
- 参考スコア（独自算出の注目度）: 55.41644538483948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advanced real-time location systems (RTLS) allow for collecting
spatio-temporal data from human movement behaviours. Tracking individuals in
small areas such as schoolyards or nursing homes might impose difficulties for
RTLS in terms of positioning accuracy. However, to date, few studies have
investigated the performance of different localisation systems regarding the
classification of human movement patterns in small areas. The current study
aims to design and evaluate an automated framework to classify human movement
trajectories obtained from two different RTLS: Global Navigation Satellite
System (GNSS) and Ultra-wideband (UWB), in areas of approximately 100 square
meters. Specifically, we designed a versatile framework which takes GNSS or UWB
data as input, extracts features from these data and classifies them according
to the annotated spatial patterns. The automated framework contains three
choices for applying noise removal: (i) no noise removal, (ii) Savitzky Golay
filter on the raw location data or (iii) Savitzky Golay filter on the extracted
features, as well as three choices regarding the classification algorithm:
Decision Tree (DT), Random Forest (RF) or Support Vector Machine (SVM). We
integrated different stages within the framework with the Sequential
Model-Based Algorithm Configuration (SMAC) to perform automated hyperparameter
optimisation. The best performance is achieved with a pipeline consisting of
noise removal applied to the raw location data with an RF model for the GNSS
and no noise removal with an SVM model for the UWB. We further demonstrate
through statistical analysis that the UWB achieves significantly higher results
than the GNSS in classifying movement patterns.
- Abstract（参考訳）: 高度リアルタイム位置情報システム(rtls)は、人間の運動行動から時空間データの収集を可能にする。
校庭や介護施設などの小さな地域で個人を追跡することは、位置決め精度においてrtlに困難をもたらす可能性がある。
しかし,これまで,小地域におけるヒトの運動パターンの分類に関する異なる局所化システムの性能に関する研究は少ない。
本研究の目的は,GNSS(Global Navigation Satellite System)とUWB(Ultra-wideband)の2つの異なるRTLSから得られる人体運動軌跡を約100平方メートルの領域で分類する枠組みを設計・評価することである。
具体的には、GNSSまたはUWBデータを入力とし、これらのデータから特徴を抽出し、注釈付き空間パターンに従って分類する汎用フレームワークを設計した。
自動フレームワークには、ノイズ除去の3つの選択肢がある。
(i)ノイズ除去なし。
(ii)生の位置データ上のサヴィッツキーゴレーフィルタ、又は
(iii) 抽出された特徴に対するサヴィッツキー・ゴレイフィルタ、および分類アルゴリズムに関する3つの選択:決定木(dt)、ランダムフォレスト(rf)、サポートベクターマシン(svm)。
SMAC(Sequential Model-Based Algorithm Configuration)とフレームワーク内の異なるステージを統合し、自動ハイパーパラメータ最適化を行った。
GNSSのRFモデルとUWBのSVMモデルでノイズ除去を行わず、生の位置情報に適用したノイズ除去からなるパイプラインで最高の性能が得られる。
さらに,UWBは運動パターンの分類において,GNSSよりも有意に高い結果が得られることを示す。
関連論文リスト
- Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。
ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。
提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
論文 参考訳（メタデータ） (2023-08-17T11:30:46Z) - Hierarchical Spatio-Temporal Representation Learning for Gait
Recognition [6.877671230651998]
歩行認識は、個人を独自の歩行スタイルで識別する生体計測技術である。
粗いものから細かいものまで歩行特徴を抽出する階層的時間的表現学習フレームワークを提案する。
本手法は,モデル精度と複雑性の適切なバランスを維持しつつ,最先端の手法よりも優れる。
論文 参考訳（メタデータ） (2023-07-19T09:30:00Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Human Semantic Segmentation using Millimeter-Wave Radar Sparse Point
Clouds [3.3888257250564364]
本稿では,ミリ波レーダの粗い逐次点雲のセマンティックセグメンテーションのためのフレームワークを提案する。
mmWaveデータの空間的特徴と時間的トポロジ的特徴は依然として問題である。
グラフ構造とトポロジ的特徴をポイントクラウドに導入し,セマンティックセグメンテーションフレームワークを提案する。
我々のモデルは、$mathbf82.31%$でカスタムデータセットの平均精度を達成し、最先端のアルゴリズムより優れている。
論文 参考訳（メタデータ） (2023-04-27T12:28:06Z) - Asynchronously Trained Distributed Topographic Maps [0.0]
分散トレーニングによって特徴マップを生成するために,N$の自律ユニットを用いたアルゴリズムを提案する。
単位の自律性は、分散探索とカスケード駆動の重み更新スキームを組み合わせることで、時間と空間のスパース相互作用によって達成される。
論文 参考訳（メタデータ） (2023-01-20T01:15:56Z) - Towards Automated Imbalanced Learning with Deep Hierarchical
Reinforcement Learning [57.163525407022966]
不均衡学習はデータマイニングにおいて基本的な課題であり、各クラスにトレーニングサンプルの不均等な比率が存在する。
オーバーサンプリングは、少数民族のための合成サンプルを生成することによって、不均衡な学習に取り組む効果的な手法である。
我々は,異なるレベルの意思決定を共同で最適化できる自動オーバーサンプリングアルゴリズムであるAutoSMOTEを提案する。
論文 参考訳（メタデータ） (2022-08-26T04:28:01Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Automatic Velocity Picking Using a Multi-Information Fusion Deep
Semantic Segmentation Network [0.0]
地震データ処理における重要なステップである速度抽出は、何十年にもわたって研究されてきた。
深層学習(DL)法は,中・高信号-雑音比(SNR)の地震データに対して良好な結果を得た。
速度スペクトルとスタック集合セグメントの融合情報から積み重ね速度を推定する多情報融合ネットワーク(MIFN)を提案する。
論文 参考訳（メタデータ） (2022-05-07T12:55:13Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - Data-Driven System Level Synthesis [2.335152769484957]
本稿では,過去のシステムトラジェクトリのライブラリのみを用いて,システム応答に対する最適化問題を提示できることを示す。
まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。
次に,プロセスノイズによって駆動されるシステムの場合,頑健なSLSツールを用いて,閉ループ性能に対するノイズの影響を評価できることを示す。
論文 参考訳（メタデータ） (2020-11-20T22:52:29Z)
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。