Fugu-MT 論文翻訳(概要): Data Augmentation Techniques for Cross-Domain WiFi CSI-based Human Activity Recognition

論文の概要: Data Augmentation Techniques for Cross-Domain WiFi CSI-based Human Activity Recognition

arxiv url: http://arxiv.org/abs/2401.00964v1
Date: Mon, 1 Jan 2024 22:27:59 GMT
ステータス: 処理完了
システム内更新日: 2024-01-03 15:12:59.865454
Title: Data Augmentation Techniques for Cross-Domain WiFi CSI-based Human Activity Recognition
Title（参考訳）: クロスドメインWiFi CSIに基づくヒューマンアクティビティ認識のためのデータ拡張手法
Authors: Julian Strohmayer and Martin Kampel
Abstract要約: WiFi Channel State Information (CSI) は、屋内環境におけるコンタクトレスおよび視覚的プライバシー保護センシングを可能にする。環境条件やセンサーハードウェアの多様さにより、低モデル一般化はこの分野でよく知られた問題である。画像ベース学習で一般的に使用されるデータ拡張技術は、Wi-Fi CSIに適用され、モデル一般化性能への影響を調べる。
参考スコア（独自算出の注目度）: 1.7404865362620803
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The recognition of human activities based on WiFi Channel State Information (CSI) enables contactless and visual privacy-preserving sensing in indoor environments. However, poor model generalization, due to varying environmental conditions and sensing hardware, is a well-known problem in this space. To address this issue, in this work, data augmentation techniques commonly used in image-based learning are applied to WiFi CSI to investigate their effects on model generalization performance in cross-scenario and cross-system settings. In particular, we focus on the generalization between line-of-sight (LOS) and non-line-of-sight (NLOS) through-wall scenarios, as well as on the generalization between different antenna systems, which remains under-explored. We collect and make publicly available a dataset of CSI amplitude spectrograms of human activities. Utilizing this data, an ablation study is conducted in which activity recognition models based on the EfficientNetV2 architecture are trained, allowing us to assess the effects of each augmentation on model generalization performance. The gathered results show that specific combinations of simple data augmentation techniques applied to CSI amplitude data can significantly improve cross-scenario and cross-system generalization.
Abstract（参考訳）: WiFiチャンネル状態情報(CSI)に基づく人間の活動の認識は、屋内環境における接触のない視覚的プライバシー保護センシングを可能にする。しかし、環境条件やセンサーハードウェアの差異によるモデル一般化は、この分野ではよく知られた問題である。この課題に対処するために、WiFi CSIに画像ベース学習で一般的に使用されるデータ拡張技術を適用し、クロスシナリオおよびクロスシステム設定におけるモデル一般化性能に与える影響について検討する。特に、LOS(Line-of-Sight)とNLOS(Non-of-Sight)のスルーウォールシナリオの一般化と、未探索のアンテナシステム間の一般化に焦点を当てる。我々は,人間の活動のcsi振幅スペクトログラムのデータセットを収集し,公開する。このデータを利用して, efficientnetv2 アーキテクチャに基づく活動認識モデルを訓練し,各拡張がモデル一般化性能に与える影響を評価できるアブレーション研究を行った。以上の結果から,CSI振幅データに適用された単純なデータ拡張手法の特定の組み合わせは,クロスシナリオとクロスシステム一般化を著しく改善できることが示された。

関連論文リスト

How Important are Data Augmentations to Close the Domain Gap for Object Detection in Orbit? [15.550663626482903]
宇宙空間におけるコンピュータビジョンの領域ギャップを埋めるためのデータ拡張の有効性について検討する。本稿では,軌道画像に観察される視覚効果をエミュレートするために開発された2つの新しいデータ拡張法を提案する。
論文参考訳（メタデータ） (2024-10-21T08:24:46Z)
Towards Data-Centric Face Anti-Spoofing: Improving Cross-domain Generalization via Physics-based Data Synthesis [64.46312434121455]
Face Anti-Spoofing (FAS) 研究は、トレーニングデータとテストデータの間にドメインギャップがあるクロスドメイン問題によって難題となっている。本研究では,タスク固有のFASデータ拡張(FAS-Aug)を提案する。また,特定の種類のアーティファクトをモデルが依存しないようにし,一般化性能を向上させるために,SARE(Spowing Attack Risk Equalization)を提案する。
論文参考訳（メタデータ） (2024-09-04T01:45:18Z)
CSI4Free: GAN-Augmented mmWave CSI for Improved Pose Classification [4.504838845625542]
COTS Wi-Fiセンシングの分野では、顕著な研究の欠如がある。我々は,合成ミリ波チャネル状態情報(CSI)を生成できる手法を開発した。特に,既存のデータセット上にGAN(Generative Adversarial Network)を使用して,3万以上のCSIサンプルを生成する。
論文参考訳（メタデータ） (2024-06-26T18:42:22Z)
On the Cross-Dataset Generalization of Machine Learning for Network Intrusion Detection [50.38534263407915]
ネットワーク侵入検知システム(NIDS)はサイバーセキュリティの基本的なツールである。多様なネットワークにまたがる一般化能力は、その有効性と現実のアプリケーションにとって必須の要素である。本研究では,機械学習に基づくNIDSの一般化に関する包括的分析を行う。
論文参考訳（メタデータ） (2024-02-15T14:39:58Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
論文参考訳（メタデータ） (2023-05-21T08:37:32Z)
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)
Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文参考訳（メタデータ） (2022-03-11T01:51:54Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Deflating Dataset Bias Using Synthetic Data Augmentation [8.509201763744246]
自律走行車(AV)の視覚タスクの最先端の手法は、教師あり学習に依存している。本研究の目的は,視覚タスクにおける実際のデータセットのギャップを埋めるために,ターゲットとなる合成データ拡張の利用を検討することである。 AVに実用的な3つの異なるコンピュータビジョンタスクに関する実証研究は、トレーニングミックスに合成データを持つことは、クロスデータセットの一般化性能を著しく向上させることを一貫して示している。
論文参考訳（メタデータ） (2020-04-28T21:56:10Z)
Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition [0.9239657838690226]
本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
論文参考訳（メタデータ） (2020-04-23T15:22:05Z)

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。