Fugu-MT 論文翻訳(概要): Generative Resident Separation and Multi-label Classification for Multi-person Activity Recognition

論文の概要: Generative Resident Separation and Multi-label Classification for Multi-person Activity Recognition

arxiv url: http://arxiv.org/abs/2404.07245v1
Date: Wed, 10 Apr 2024 07:46:30 GMT
ステータス: 処理完了
システム内更新日: 2024-04-12 15:48:02.432656
Title: Generative Resident Separation and Multi-label Classification for Multi-person Activity Recognition
Title（参考訳）: 多人数活動認識のための生成的住民分離と多ラベル分類
Authors: Xi Chen, Julien Cumin, Fano Ramparany, Dominique Vaufreydaz,
Abstract要約: 家庭内環境センサを用いた多人数行動認識の課題に対処する2つのモデルを提案する。これらのモデルの性能は、異なる実験シナリオにおける最先端モデルと比較される。
参考スコア（独自算出の注目度）: 4.187145402358247
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents two models to address the problem of multi-person activity recognition using ambient sensors in a home. The first model, Seq2Res, uses a sequence generation approach to separate sensor events from different residents. The second model, BiGRU+Q2L, uses a Query2Label multi-label classifier to predict multiple activities simultaneously. Performances of these models are compared to a state-of-the-art model in different experimental scenarios, using a state-of-the-art dataset of two residents in a home instrumented with ambient sensors. These results lead to a discussion on the advantages and drawbacks of resident separation and multi-label classification for multi-person activity recognition.
Abstract（参考訳）: 本稿では,家庭内環境センサを用いた多人数行動認識の課題に対処する2つのモデルを提案する。最初のモデルであるSeq2Resは、シーケンス生成アプローチを使用して、異なる居住者からセンサイベントを分離する。第2のモデルであるBiGRU+Q2Lは、Query2Labelのマルチラベル分類器を使用して、複数のアクティビティを同時に予測する。これらのモデルの性能は、異なる実験シナリオにおける最先端モデルと比較される。これらの結果から,複数人物の行動認識のための住民分離と多ラベル分類の利点と欠点が議論された。

関連論文リスト

Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。マルチモーダルデータに適した深層学習一クラス分類法を提案する。
論文参考訳（メタデータ） (2023-09-25T12:31:18Z)
Multi-label affordance mapping from egocentric vision [3.683202928838613]
本稿では, 精度の高い多ラベルセグメンテーションを実現するために, 空き感に対する新しいアプローチを提案する。我々の手法は、ファースト・パーソン・ビデオから空き地を自動的に抽出するために利用できる。相互作用ホットスポットのマップを構築するために、メトリック表現をどのように活用できるかを示します。
論文参考訳（メタデータ） (2023-09-05T10:56:23Z)
Interval Type-2 Fuzzy Neural Networks for Multi-Label Classification [14.20513951604573]
間隔型2ファジィ論理に基づくマルチラベル分類モデルを提案する。提案モデルでは、ディープニューラルネットワークを用いて、インスタンスのタイプ1ファジィメンバシップを予測する。また,データセット内のバイナリラベルと,モデルが生成する間隔2型ファジィメンバシップの類似度を測定するための損失関数を提案する。
論文参考訳（メタデータ） (2023-02-21T04:00:44Z)
Robust Domain Adaptive Object Detection with Unified Multi-Granularity Alignment [59.831917206058435]
ドメイン適応検出は、ターゲットドメイン上の検出器の一般化を改善することを目的としている。近年のアプローチは、異なる粒度の特徴アライメントを通じて、逆学習を通じてドメイン適応を実現する。ドメイン不変な特徴学習のための統合多重粒度アライメント(MGA)に基づく検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-01-01T08:38:07Z)
Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-28T02:12:30Z)
Gated recurrent units and temporal convolutional network for multilabel classification [122.84638446560663]
本研究は,マルチラベル分類を管理するための新しいアンサンブル手法を提案する。提案手法のコアは,Adamグラデーション最適化アプローチの変種で訓練された,ゲート再帰単位と時間畳み込みニューラルネットワークの組み合わせである。
論文参考訳（メタデータ） (2021-10-09T00:00:16Z)
A Tree-structure Convolutional Neural Network for Temporal Features Exaction on Sensor-based Multi-resident Activity Recognition [4.619245607612873]
マルチレジデント活動認識(TSC-MRAR)のためのエンドツーエンド木構造畳み込みニューラルネットワークフレームワークを提案する。まず、各サンプルをイベントとして扱い、スライディングウインドウに過去のセンサの読み取りを埋め込んだ現在のイベントを得る。そして、時間的特徴を自動的に生成するために、木構造ネットワークを設計し、近くの読み物の時間的依存を導出する。
論文参考訳（メタデータ） (2020-11-05T14:31:00Z)
Few-shot Learning for Multi-label Intent Detection [59.66787898744991]
State-of-the-art work estimates label-instancelevance scores and using threshold to select multiple associated intent labels。 2つのデータセットの実験により、提案モデルが1ショットと5ショットの両方の設定において強いベースラインを著しく上回ることが示された。
論文参考訳（メタデータ） (2020-10-11T14:42:18Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)
Disentangled Variational Autoencoder based Multi-Label Classification with Covariance-Aware Multivariate Probit Model [10.004081409670516]
マルチラベル分類は、複数のターゲットの存在と欠如を予測する上で難しい課題である。本稿では,ラベル相関だけでなく,遅延埋め込み空間を効果的に学習するマルチラベル分類のための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-12T23:08:07Z)
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。