MAGNETO: 边缘 AI 用于人体活动识别 —— 隐私与个性化

Feb, 2024

MAGNETO: 边缘 AI 用于人体活动识别 —— 隐私与个性化

MAGNETO: Edge AI for Human Activity Recognition -- Privacy and Personalization

Jingwei Zuo, George Arvanitakis, Mthandazo Ndhlovu, Hakim Hacid

TL;DR提出了一个边缘 AI 平台 MAGNETO，可以在边缘设备上进行增量式的人类活动学习，克服了与云之间的数据交换导致的数据隐私问题，同时实现了强大的个性化能力和低处理延迟。

Abstract

human activity recognition (HAR) is a well-established field, significantly advanced by modern machine learning (ML) techniques. While companies have successfully integrated HAR into consumer products, they typically rely on a predefined activity set, which limits personalizations at t

human activity recognition machine learning techniques personalization data privacy issues edge ai platform

发现论文，激发创造

关于边缘端实时学习新型人类体力活动的实用经验

利用移动传感器收集的数据，通过我们的 MAGNETO 系统以学习人类活动为重点的实验，我们深入研究了边缘机器学习（Edge ML）的复杂性，考察了边缘设备上受限数据存储、训练的有限计算能力和学习类别数量之间的相互依赖关系，并提供了关于 Edge ML 的有价值的观点。

Aug, 2023

边缘端增量学习中处理灾难性遗忘在人体活动识别中的应用

本文介绍了一种名为 PILOTE 的方法，可以在极端的边缘设备上实现增量学习，解决了云端学习过程中数据隐私和实用性等问题，经过大量实验验证能够在资源极其有限的边缘设备上提供可靠的性能。

Feb, 2023

ActiveHARNet：基于设备端深度贝叶斯主动学习的人类活动识别

本研究提出了 ActiveHARNet，一种支持设备上增量学习和推理的资源有效的深度集成模型，该模型使用 dropout 中的 Bayesian 神经网络近似来表示模型不确定性，并结合适当的主动学习获取函数。在两个公开可用的手腕 HAR 和跌倒检测数据集上的实证结果表明，ActiveHARNet 在不同用户之间的推断效率上实现了显着的提升，并在增量学习中获得了至少 60％的数据采集减少率，从而证明了部署和增量学习的可行性。

May, 2019

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

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

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

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。