human activity recognition | BriefGPT

关键词human activity recognition

搜索结果 - 178

太美好以致难以置信：对人类活动识别中（再）现行做法的性能高估
针对人体活动识别 (HAR) 中常见的问题，本研究通过实验证明，使用滑动窗口和标准的随机 k 折交叉验证方法进行数据分段及验证会导致结果的高估，这对科学界具有重要的警示意义，并呼吁使用正确和无偏的方法来减少此问题的发生。
PDF9 months ago
基于时间戳监督的可穿戴设备活动分段和识别：对比学习和保序最优传输
利用时间戳监督的联合活动分割和识别方法，通过估计原型、生成样本级伪标签以及最优运输理论，以改善人类活动识别和时间序列分割问题。
PDF9 months ago
使用单一 IMU 和分层机器学习模型对老年人进行奥塔哥运动监测
通过使用腰部佩戴的惯性测量单元 (IMU) 进行数据收集，并采用深度学习模型，本研究提出了一个无障碍且准确的系统来监测老年人的 Otago 运动计划。研究结果表明，在实验室和家庭环境中，使用单个 IMU 可以对 Otago 运动计划及其子类
PDF9 months ago
基于整数的 Hadamard 域训练用于类增量量化学习
通过使用廉价的哈达玛变换，我们提出了一种在只进行整数矩阵乘法的低精度训练中降低计算精度的技术，进一步确定了哪些张量需要进行随机舍入，并提出了平铺矩阵乘法来实现低位宽累加器。在几个人体活动识别数据集和 CIFAR100 的类增量学习环境中，我
PDF9 months ago
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
PDF10 months ago
使用硬负采样的多模态对比学习在人类活动识别中的应用
人类活动识别（HAR）是一个广泛研究的课题，其中对于多模态 HAR，采用一种硬负采样方法以及对骨骼和 IMU 数据对的硬负采样损失进行学习，能够提供强大的特征表征，用于活动识别。
PDF10 months ago
基于迁移学习的适应性工人 - 机器人交互的鲁棒活动识别
该论文提出了一种迁移学习方法，用于识别建筑工人的活动，需要比较少量的数据和计算时间，同时具有较好的分类准确性。研究表明，该方法可以在建筑领域中鲁棒地识别活动，对协作机器人的广泛应用具有重要意义。
PDF10 months ago
PressureTransferNet：基于人类属性引导的动态地面压力剖面转移的压力映射三维模拟
提供了一种新方法 PressureTransferNet，用于使用地面压力信息进行人体活动识别（HAR）。该方法利用不同个体的现有压力数据生成特定活动的特定身体动态地面压力图。通过以源压力图和目标人体属性向量作为输入的编码器 - 解码器模型
PDFa year ago
弱监督下的孪生网络人体活动识别
本文提出了一个由多个孪生网络组成的模型，仅使用关于数据样本对之间相似性的信息进行训练，而无需明确标记的数据样本，从而将活动数据样本映射为固定大小的表示向量，使表征空间中的向量之间的距离近似于输入空间中数据样本的相似性，因此该训练模型可以作为
PDFa year ago
随机 HAR: 传感器选择和强化学习提高集成深度学习在人类活动识别中的性能
通过训练多个基于相同架构、从给定数据集中随机选择的模型并使用加强学习算法确定最佳的模型子集，提出了一种名为 randomHAR 的集成方法，以优化集成过程而非组成模型的架构，在 6 个人体活动识别基准数据集上的实验结果表明：该方法表现优于当
PDFa year ago
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。
PDFa year ago
不要冻结：微调编码器以获得更好的自监督 HAR
本文探讨了自监督学习在人类活动识别领域解决标记数据不足的问题，通过学习预测任务，可以得到有用的表示用于分类，并发现不冻结表示可以在预测任务中实现显著性能提升并且效果与标记数据量成反比。
PDFa year ago
milliFlow: 用毫米波雷达点云进行场景流估计以实现人类运动感应
提出了一种基于毫米波雷达的新型深度学习方法，即 milliFlow，用于场景流估计，为下游的人体动作传感任务提供了中间级别的特征，并且进一步改善了人体活动识别、人体分割和人体部分跟踪。
PDFa year ago
基于视觉与惯性传感器数据的新型二流决策级融合技术，用于自动多模态人类活动识别系统
本文提出了一种新颖的多模态人体活动识别系统，并使用了两种流的决策级融合来融合视觉和惯性传感器的信息，通过此方法准确率远高于现有的最先进方法。
PDFa year ago
针对稀疏时序微多普勒重建的强化注意力展开方法
本文提出用于 Joint Communication and Sensing 系统中基于深度学习的 STAR 方法，实现在通讯质量差的条件下，从人类运动的微多普勒信号中准确地重建微多普勒序列，以实现人类运动活动识别等功能，并使其适用于实时系
PDFa year ago
整合公共人类活动识别数据集以缓解标记数据稀缺问题
本研究提出了一种结合公共数据集的新策略，用于学习通用的人类活动识别模型，并表明结合公共数据集可以显著减少在未知目标领域上实现令人满意的性能所需的标记样本的数量。
PDFa year ago
AmicroN: 生成细粒度微活动标注的人类活动识别框架
本文旨在通过开发 AmicroN 框架，使用运动签名和现有的宏观活动标签来自动生成微观活动标注，从而解决人类活动识别中未标注数据量过大的问题，并在公开数据集上进行了严格评估。
PDFa year ago
上下文感知的神经符号方法用于人类活动识别
本文提出一种基于语义损失函数的神经符号 AI 的方法，用于上下文感知的人体活动识别中，避免了符号推理模块，同时在建立的训练模型中注入了特定知识要求，能够在一些方面超越现有方法，如数据驱动模型，达到或者超过现有的系统识别率。
PDFa year ago
通过自监督学习实现基于可穿戴设备的人类活动识别离散表示学习
本文探讨了离散化方法在人类活动识别 (HAR) 领域的应用，作者采用了向量量化技术 (Vector Quantization，VQ)，提出了一种从短时间的传感器数据到码本向量的映射方法，证明了离散化方法不但可用于活动分类，还可用于符号序列分
PDFa year ago
基于统计特征引导扩散模型的无监督传感器人体活动识别
本文提出了一种基于非监督统计特征引导扩散模型的传感器数据的人类活动识别方法，通过利用统计信息来生成多样化和代表性的合成传感器数据。研究结果表明，所提出的方法可以提高人类活动识别的性能并胜过现有技术。
PDFa year ago