Jun, 2024

基于LLM的环境传感器多人人体活动识别

HTML
PDF
TL;DR本文提出了一种基于大型语言模型的系统框架 LAHAR，通过利用提示工程技术，在多人场景中实现人类活动识别，并针对环境中发生的事件进行了主体分离和动作级描述。我们在 ARAS 数据集上验证了我们的方法，结果表明 LAHAR 在更高分辨率下实现了与最先进方法相当的准确性，并在多人场景中保持了稳健性。
发现论文，激发创造
  • 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

  • SelfAct:基于自监督和主动学习的个性化活动识别

    SelfAct是一种新颖的人类活动识别框架，结合了自监督和主动学习，通过利用大量未标记的数据进行预训练，学习传感器数据的高效表示，并通过新的无监督主动学习策略进行微调，其结果接近或优于完全监督方法的结果。

    Apr, 2023

  • 智能环境中多居民活动识别调查

    本文对人类活动识别系统的设计和实施进行了简要概述，并总结了在多居民环境中使用这些系统的先前研究成果，提供了对这一领域现状的结论。

    Apr, 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

  • 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

  • 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

  • 基于深度域自适应和时间关系信息的跨用户活动识别

    基于深度时间状态领域自适应（DTSDA）模型，本研究旨在解决跨用户人类活动识别（cross-user HAR）中的行为变异性问题，通过利用活动中的不同子活动之间的时间关系，DTSDA模型能够在不同用户之间建立起用户不变的时间关系，从而在跨用户HAR应用中展现出卓越的性能。

    Mar, 2024

  • 多模态可佩戴传感器人体动作识别调查

    结合增加的预期寿命和下降的出生率导致人口老龄化问题，可穿戴传感器技术的人体活动识别成为一种有着巨大潜力的辅助技术来支持老年人的日常生活，近期的研究聚焦于深度学习方法或单一传感器模态，为了给机器带来类似的智能，多模态机器学习成为研究者们热衷的领域之一，本研究从新颖的视角对多模态学习在可穿戴传感器技术的人体活动识别领域的应用进行全面调查，包括探索最近的传感器模态和深度学习方法，研究目前的多模态系统的技术，以及解决现有问题的多模态学习方法，同时连接其他领域的多模态文献与当前的可穿戴传感器技术的人体活动识别领域，最后识别出当前领域的挑战和潜在研究方向以进一步提升该技术的性能。

    Apr, 2024

  • 大型语言模型记忆传感器数据集！对人类活动识别研究的影响

    调查证实了大型语言模型在人体活动识别中可能通过训练中接触到传感器数据，可能对实验评估结果产生重要影响。

    Jun, 2024