論文の概要: A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2307.02906v1
• Date: Thu, 6 Jul 2023 10:38:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-07 14:26:57.415088
• Title: A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition
• Title（参考訳）: センサを用いた人間行動認識における最適センサ配置のためのリアルタイム人文推定手法
• Authors: Orhan Konak, Alexander Wischmann, Robin van de Water, Bert Arnrich
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 63.26015736148707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sensor-based Human Activity Recognition facilitates unobtrusive monitoring of human movements. However, determining the most effective sensor placement for optimal classification performance remains challenging. This paper introduces a novel methodology to resolve this issue, using real-time 2D pose estimations derived from video recordings of target activities. The derived skeleton data provides a unique strategy for identifying the optimal sensor location. We validate our approach through a feasibility study, applying inertial sensors to monitor 13 different activities across ten subjects. Our findings indicate that the vision-based method for sensor placement offers comparable results to the conventional deep learning approach, demonstrating its efficacy. This research significantly advances the field of Human Activity Recognition by providing a lightweight, on-device solution for determining the optimal sensor placement, thereby enhancing data anonymization and supporting a multimodal classification approach.
• Abstract（参考訳）: センサベースのヒューマンアクティビティ認識は、人間の動きの邪魔にならない監視を容易にする。 しかし,最適分類性能に最も効果的なセンサ配置の決定は依然として困難である。 本稿では,対象行動の映像記録から推定した実時間2次元ポーズを用いて,この問題を解決する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。 提案手法の有効性を検証し,慣性センサを用いて被験者10名を対象に13種類の活動を監視する。 以上の結果から,視覚に基づくセンサ配置法は従来のディープラーニング手法と同等の結果を示し,その効果を示す。 本研究は,センサ配置の最適決定のための軽量なオンデバイスソリューションを提供し,データの匿名化を促進し,マルチモーダル分類アプローチをサポートすることにより,ヒューマンアクティビティ認識の分野を著しく進歩させる。

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)
• What Matters for Active Texture Recognition With Vision-Based Tactile Sensors [17.019982978396122]
  触覚ファブリック認識の文脈におけるアクティブサンプリング問題を定式化する。 迅速かつ信頼性の高いテクスチャ認識には,どのコンポーネントが不可欠かを検討する。 われわれのベストアプローチは5タッチ未満で90.0%に達し、視覚ベースの触覚センサが布のテクスチャ認識に極めて有効であることを強調した。
  論文  参考訳（メタデータ） (2024-03-20T16:06:01Z)
• Learning from the Best: Contrastive Representations Learning Across Sensor Locations for Wearable Activity Recognition [6.458496335718508]
  本稿では,トレーニングプロセス中にのみ存在し,後続のシステムでは利用できないセンサからの情報の利用を容易にする手法を提案する。 この方法は、ソースセンサからの情報を、コントラストロスを介して、ターゲットセンサデータの潜在表現に転送する。 本手法は, 平均F1スコアを5%から13%の精度で評価し, PAMAP2およびOpportunityベンチマークを用いて, 平均F1スコアを5%から13%の精度で評価した。
  論文  参考訳（メタデータ） (2022-10-04T08:33:22Z)
• TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation [6.458496335718508]
  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。
  論文  参考訳（メタデータ） (2022-09-14T11:08:48Z)
• 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)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• 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)
• Towards High Performance Human Keypoint Detection [87.1034745775229]
  文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。 そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。 検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
  論文  参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。