Apr, 2023

基于惯性测量单元的人体活动识别领域自适应：一项调查

PDF
TL;DR本文综述了近期就惯性测量单位（IMU）为基础的人体活动识别领域中应用于领域自适应技术的最新研究进展，并讨论了潜在的未来方向。
wearable human activity recognitionmachine learningdata heterogeneitiestransfer learning techniquesimu-based human activity recognition
发现论文，激发创造
  • 跨域人体活动识别：少样本迁移学习

    通过利用公开标记的人体活动识别数据集进行转移学习，我们提出了一种经济有效的跨领域人体活动识别框架，以更好地处理具有非常有限标签信息的活动识别场景。

    Oct, 2023

  • 人体活动识别中的迁移学习综述

    基于传感器的人体活动识别是一个活跃的研究领域，本文调查了应用于智能家居和可穿戴设备的活动识别的迁移学习方法，总结了现有工作并提出了未来研究方向。

    Jan, 2024

  • 利用惯性、生理和环境传感器进行的人体活动识别：综述

    本文综述了机器学习在发展基于惯性传感器以及生理和环境传感器的人类活动识别应用中所扮演的重要角色。

    Apr, 2020

  • 惯性测量单元基于跨模态迁移学习在人体活动识别中的调查

    人类行为 / 动作识别中，通过跨模态转移学习，介绍了人工智能模型、IMU 数据和多模态学习的重要性以及它们的应用潜力。

    Mar, 2024

  • 自然时间序列移动活动识别下行为和时间变化的域自适应

    通过采集数据集，支持在自然场景下进行移动活动识别和健康监测，使用无监督领域适应算法和对比学习来提高识别准确性，数据集可供使用。

    Jul, 2022

  • 使用非监督式领域转移从佩戴式传感器进行活动分类

    本文提出一种在不需要在新的身体部位获取分类标签的情况下，通过利用现有的活动分类器在参考身体部位的惯性测量单元（IMU）数据的基础上进行活动分类的创新方法来执行新的身体部位上的活动分类。

    Apr, 2023

  • 标准化人体动作识别模型的训练过程：可调参数的综合评述

    近年来，深度学习在可穿戴人体活动识别领域的应用引起了广泛关注，但对实验模型训练的标准化和一致性的关注不断增加，为了解决这个问题，本文对 WHAR 领域的深度学习研究进行了全面的回顾，并汇总了各项研究中使用的训练程序信息，结果表明现阶段存在训练过程细节不足的问题，随后将影响分析融入到控制变量方法中，评估了关键可调整组件对 HAR 模型的跨主体泛化能力的影响，基于分析结果，我们提出了一种适用于 WHAR 模型的整合训练流程，通过使用五个知名的 WHAR 基准数据集和三种经典 HAR 模型架构进行实证结果验证，证明了我们所提方法的有效性，尤其是在宏观 F1 留一主体交叉验证性能上有显著改进。

    Jan, 2024

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 基于传感器的人体姿态感知的机器学习技术研究及数据异质性综述

    通过分类数据异构类型、应用相应的适合的机器学习方法、总结可用的数据集并讨论未来的挑战，本论文探讨了机器学习如何解决人体活动识别中的数据异构问题。

    Mar, 2024

  • EarDA: 面向准确和数据高效的佩戴式耳机活动感知

    基于领域适应技术的 EarDA 系统，能够从不同传感器位置提取独立于领域的特征，同时采用基于过滤器的数据处理方法来减轻头部运动对活动识别的影响，实现更加高效准确的活动感知，优于无领域适应方法的 43%。

    Jun, 2024