論文の概要: WiOpen: A Robust Wi-Fi-based Open-set Gesture Recognition Framework
- arxiv url: http://arxiv.org/abs/2402.00822v1
- Date: Thu, 1 Feb 2024 18:05:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 13:58:28.882629
- Title: WiOpen: A Robust Wi-Fi-based Open-set Gesture Recognition Framework
- Title（参考訳）: WiOpen:ロバストなWi-Fiベースのオープンセットジェスチャー認識フレームワーク
- Authors: Xiang Zhang and Jingyang Huang and Huan Yan and Peng Zhao and Guohang
Zhuang and Zhi Liu and Bin Liu
- Abstract要約: WiOpenは、Wi-Fiベースのオープンセットジェスチャー認識フレームワークである。
Wi-Fiセンサーのユニークな不確実性によって引き起こされる課題に対処する。
- 参考スコア（独自算出の注目度）: 16.896649156961956
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recent years have witnessed a growing interest in Wi-Fi-based gesture
recognition. However, existing works have predominantly focused on closed-set
paradigms, where all testing gestures are predefined during training. This
poses a significant challenge in real-world applications, as unseen gestures
might be misclassified as known classes during testing. To address this issue,
we propose WiOpen, a robust Wi-Fi-based Open-Set Gesture Recognition (OSGR)
framework. Implementing OSGR requires addressing challenges caused by the
unique uncertainty in Wi-Fi sensing. This uncertainty, resulting from noise and
domains, leads to widely scattered and irregular data distributions in
collected Wi-Fi sensing data. Consequently, data ambiguity between classes and
challenges in defining appropriate decision boundaries to identify unknowns
arise. To tackle these challenges, WiOpen adopts a two-fold approach to
eliminate uncertainty and define precise decision boundaries. Initially, it
addresses uncertainty induced by noise during data preprocessing by utilizing
the CSI ratio. Next, it designs the OSGR network based on an uncertainty
quantification method. Throughout the learning process, this network
effectively mitigates uncertainty stemming from domains. Ultimately, the
network leverages relationships among samples' neighbors to dynamically define
open-set decision boundaries, successfully realizing OSGR. Comprehensive
experiments on publicly accessible datasets confirm WiOpen's effectiveness.
Notably, WiOpen also demonstrates superiority in cross-domain tasks when
compared to state-of-the-art approaches.
- Abstract（参考訳）: 近年、Wi-Fiベースのジェスチャー認識への関心が高まっている。
しかし、既存の作品は、トレーニング中にすべてのテストジェスチャを事前に定義するクローズドセットパラダイムに重点を置いている。
これは現実世界のアプリケーションにおいて、未認識のジェスチャがテスト中に既知のクラスとして誤分類される可能性があるため、大きな課題となる。
この問題に対処するため,Wi-Fiベースのオープンセットジェスチャー認識(OSGR)フレームワークであるWiOpenを提案する。
OSGRの実装には、Wi-Fiセンシングのユニークな不確実性に起因する問題に対処する必要がある。
この不確実性はノイズと領域から生じ、収集されたwi-fiセンシングデータにおいて広く散在し、不規則なデータ分布をもたらす。
その結果、クラス間のデータのあいまいさと未知を識別するための適切な決定境界を定義する際の課題が発生する。
これらの課題に対処するため、WiOpenは不確実性を排除し、正確な決定境界を定義するための2つのアプローチを採用している。
まず、csi比を利用して、データ前処理中にノイズによって引き起こされる不確実性に対処する。
次に、不確実性定量化法に基づいてOSGRネットワークを設計する。
学習過程を通じて、このネットワークはドメインから生じる不確実性を効果的に軽減する。
最終的に、ネットワークはサンプルの隣人間の関係を利用してオープンセット決定境界を動的に定義し、osgrを実現している。
一般公開データセットに関する総合的な実験により、WiOpenの有効性が確認された。
wiopenは最先端のアプローチと比較して、クロスドメインタスクの優位性も示している。
関連論文リスト
- KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。
弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
論文 参考訳（メタデータ） (2024-05-26T08:02:02Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Detecting Unknown Attacks in IoT Environments: An Open Set Classifier
for Enhanced Network Intrusion Detection [5.787704156827843]
本稿では,IoT環境に適したネットワーク侵入検知システム(NIDS)の領域におけるオープンセット認識(OSR)問題の緩和を目的としたフレームワークを提案する。
ネットワークトラフィックから空間的・時間的パターンを抽出し,パケットレベルデータのイメージベース表現に重きを置いている。
実験の結果は、このフレームワークの有効性を顕著に強調し、これまで見つからなかった攻撃に対して、驚くべき88%の検知率を誇示している。
論文 参考訳（メタデータ） (2023-09-14T06:41:45Z) - HiNoVa: A Novel Open-Set Detection Method for Automating RF Device
Authentication [9.571774189070531]
本稿では,畳み込みニューラルネットワーク(CNN)長短期記憶(LSTM)モデルにおける隠れ状態値のパターンに基づいた,新しいオープンセット検出手法を提案する。
我々のアプローチはLoRa、Wi-Fi、Wired-WiFiデータセットの精度-リコール曲線の領域を大幅に改善する。
論文 参考訳（メタデータ） (2023-05-16T16:47:02Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - An Online Ensemble Learning Model for Detecting Attacks in Wireless
Sensor Networks [0.0]
我々は、アンサンブル学習として知られる重要な機械学習の概念を適用して、インテリジェントで効率的で、かつ、高機能な侵入検知システムを開発する。
本稿では,感覚データ解析における同種・異種のオンラインアンサンブルの応用について検討する。
提案されたオンラインアンサンブルのうち、アダプティブ・ランダム・フォレスト(ARF)とHoeffding Adaptive Tree(HAT)アルゴリズムを組み合わせた異種アンサンブルと、10モデルからなる同種アンサンブルHATは、それぞれ96.84%と97.2%という高い検出率を達成した。
論文 参考訳（メタデータ） (2022-04-28T23:10:47Z) - Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。
これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。
我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
論文 参考訳（メタデータ） (2020-12-10T23:28:36Z) - Open-set Adversarial Defense [93.25058425356694]
オープンセット認識システムは敵攻撃に対して脆弱であることを示す。
本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。
本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
論文 参考訳（メタデータ） (2020-09-02T04:35:33Z)
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。