論文の概要: Past, Present, and Future of Sensor-based Human Activity Recognition using Wearables: A Surveying Tutorial on a Still Challenging Task

• arxiv url: http://arxiv.org/abs/2411.14452v1
• Date: Mon, 11 Nov 2024 17:08:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-01 05:10:59.821594
• Title: Past, Present, and Future of Sensor-based Human Activity Recognition using Wearables: A Surveying Tutorial on a Still Challenging Task
• Title（参考訳）: ウェアラブルを用いたセンサによる人間行動認識の過去・現在・未来:静止課題に関する調査
• Authors: Harish Haresamudram, Chi Ian Tang, Sungho Suh, Paul Lukowicz, Thomas Ploetz,
• Abstract要約: センサをベースとしたヒューマンアクティビティ認識(Human Activity Recognition)の在庫を取得し,その将来を図示する。 我々は,活動認識問題の解決を目的とした手法の初心者や専門家のためのコンペディションを提供する。
• 参考スコア（独自算出の注目度）: 4.597313636162677
• License:
• Abstract: In the many years since the inception of wearable sensor-based Human Activity Recognition (HAR), a wide variety of methods have been introduced and evaluated for their ability to recognize activities. Substantial gains have been made since the days of hand-crafting heuristics as features, yet, progress has seemingly stalled on many popular benchmarks, with performance falling short of what may be considered 'sufficient'-- despite the increase in computational power and scale of sensor data, as well as rising complexity in techniques being employed. The HAR community approaches a new paradigm shift, this time incorporating world knowledge from foundational models. In this paper, we take stock of sensor-based HAR -- surveying it from its beginnings to the current state of the field, and charting its future. This is accompanied by a hands-on tutorial, through which we guide practitioners in developing HAR systems for real-world application scenarios. We provide a compendium for novices and experts alike, of methods that aim at finally solving the activity recognition problem.
• Abstract（参考訳）: ウェアラブルセンサを用いたヒューマンアクティビティ認識(Human Activity Recognition, HAR)の登場から何年も経ち、様々な手法が導入され、その活動を認識する能力について評価されてきた。 機能として手作りのヒューリスティックの時代から、実質的な利益が得られてきたが、多くの人気のあるベンチマークでは進歩が停滞しているようで、計算能力とセンサーデータの規模の増加に加えて、採用されるテクニックの複雑さが増大しているにもかかわらず、パフォーマンスは「十分」と見なされるものには達していない。 HARコミュニティは新しいパラダイムシフトにアプローチし、今回は基礎モデルから世界知識を取り入れる。 本稿では,センサをベースとしたHARの在庫を原点から現場の現状まで調査し,その将来を概説する。 これは、実世界のアプリケーションシナリオのためのHARシステムを開発する実践者のガイドとなる、ハンズオンチュートリアルを伴っている。 我々は,活動認識問題を最終的に解決することを目的とした,初心者や専門家のためのコンペディションを提供する。

関連論文リスト

• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Overview of Human Activity Recognition Using Sensor Data [4.941233729756897]
  ヒューマンアクティビティ認識(HAR)は、ホームや職場の自動化、セキュリティ、監視、医療など、さまざまな用途で使用されている。 センサベースHARの概要を概説し、HARに依存したいくつかの重要な応用について論じ、HARで使われている最も一般的な機械学習手法を強調した。 HARの堅牢性をさらに向上するために、HARのいくつかの課題について検討する。
  論文  参考訳（メタデータ） (2023-09-12T10:37:42Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  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。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Lifelong Adaptive Machine Learning for Sensor-based Human Activity Recognition Using Prototypical Networks [0.0]
  連続学習は、生涯学習としても知られ、機械学習分野への関心が高まりつつある研究トピックである。 我々は,連続機械学習の分野における最近の進歩を基盤に,プロトタイプネットワーク(LPPNet-HAR)を用いた生涯適応型学習フレームワークを設計する。 LAPNet-HARは、タスクフリーなデータインクリメンタルな方法でセンサベースのデータストリームを処理する。
  論文  参考訳（メタデータ） (2022-03-11T00:57:29Z)
• Deep Learning in Human Activity Recognition with Wearable Sensors: A Review on Advances [8.642789007878479]
  ディープラーニングは、モバイルおよびウェアラブルデバイスにおける人間の活動認識の境界を大きく押し上げている。 本稿では,ウェアラブルをベースとしたHARのためのディープラーニング手法を導入した既存の研究を体系的に分類し,要約する。 深層学習に基づくHARのための最先端フロンティアと今後の方向性も提示する。
  論文  参考訳（メタデータ） (2021-10-31T07:16:23Z)
• Tutorial on Deep Learning for Human Activity Recognition [70.94062293989832]
  このチュートリアルは2021年のACM International Symposium on Wearable Computers (ISWC'21)で初めて開催された。 これは、人間のアクティビティを深く学習する上で、データパイプラインにおける最も重要なステップの、ハンズオンでインタラクティブなウォークスルーを提供する。
  論文  参考訳（メタデータ） (2021-10-13T12:01:02Z)
• Continual Learning in Sensor-based Human Activity Recognition: an Empirical Benchmark Analysis [4.686889458553123]
  センサーベースのヒューマンアクティビティ認識(HAR)は、スマートホーム、パーソナルヘルスケア、都市計画における多くの現実世界のアプリケーションのための重要なイネーブラーです。 HARシステムは、ゼロから再設計することなく、長期間にわたって新しいアクティビティを自律的に学習できますか? この問題は連続学習と呼ばれ、コンピュータビジョンの分野で特に人気があります。
  論文  参考訳（メタデータ） (2021-04-19T15:38:22Z)
• Contrastive Predictive Coding for Human Activity Recognition [5.766384728949437]
  本研究では,センサデータストリームの長期的時間構造をキャプチャする人間行動認識にContrastive Predictive Codingフレームワークを導入する。 CPCベースの事前学習は自己管理され、その結果得られた表現は標準のアクティビティチェーンに統合できる。 少量のラベル付きトレーニングデータしか利用できない場合、認識性能が大幅に向上します。
  論文  参考訳（メタデータ） (2020-12-09T21:44:36Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Survey on the Analysis and Modeling of Visual Kinship: A Decade in the Making [66.72253432908693]
  親和性認識は多くの実践的応用において難しい問題である。 我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。 10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
  論文  参考訳（メタデータ） (2020-06-29T13:25:45Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。