Jan, 2024

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

PDF
TL;DR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。
deep learningwearable human activity recognitionmodel trainingstandardizationreproducibility
发现论文，激发创造
  • 利用穿戴设备进行人类活动识别的深度卷积和循环模型

    本文探讨了基于深度学习在普适计算中的人类活动识别（HAR）技术，介绍了如何使用具有创新性的正则化方法训练循环神经网络，提出了适用于 HAR 问题的模型，并通过多个随机实验说明了超参数的影响和模型的适用性。

    Apr, 2016

  • 基于惯性测量单元的人体活动识别领域自适应：一项调查

    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。

    Apr, 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

  • 基于正则化的持续学习方法评估：应用于 HAR

    本研究提供了三种基于正则化的技术在人体活动识别领域的综合比较，强调它们的优势和局限性。实验结果表明，不单一种方法在所有情况下都优于其他方法。

    Apr, 2023

  • 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

  • 复杂人类活动识别的深度学习精准性背后

    人类活动识别（HAR）是一个经过研究的领域，研究始于 20 世纪 80 年代。本文通过对数据的多样性和模型的容量等因素进行系统研究，全面梳理现代深度学习方法在识别复杂 HAR 时存在的准确性问题，并提出了潜在的研究方向。

    Apr, 2024

  • 传感器数据下的人体活动识别概述

    人体活动识别（HAR）是一项基础研究领域，已经在家庭与职场自动化、安全监控以及医疗保健等多个应用中得到应用。本文综述了基于传感器的 HAR，讨论了依赖于 HAR 的几个重要应用，并介绍了 HAR 中常用的机器学习方法，同时探讨了 HAR 存在的若干挑战以进一步提高其稳健性。

    Sep, 2023

  • 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

  • 人类活动识别中自动数据注释技术的全面评估

    本文系统性地综述了数据注释技术在 Human Activity Recognition (HAR) 领域中的应用，通过分类和分类法对现有方法进行整理，旨在为应用场景中的技术决策提供支持。

    Jul, 2023

  • 可穿戴传感器人类活动识别中的深度学习技术：进展综述

    本文系统分类总结了利用低功率传感器进行人体活动识别的深度学习方法及其发展趋势和主要挑战，同时介绍了深度学习驱动人体活动识别的尖端技术和未来方向。

    Oct, 2021