探索基于加速器的人类活动识别领域泛化的规范化方法
Nuno Bento1, Joana Rebelo1, André V Carreiro1
1Associação Fraunhofer Portugal Research, Rua Alfredo Allen 455/461, 4200-135 Porto, Portugal.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
人类活动识别 (HAR) 中的域泛化 (DG) 显示,像Mixup和SAM这样的规范化方法可以提高分布之外 (OOD) 的性能. 然而,手工制作的功能仍然优于HAR域概括的深度学习模型.
科学领域:
- 机器学习 机器学习
- 人类活动识别 人类活动识别
- 计算机视觉 计算机视觉
背景情况:
- 域泛化 (DG) 在机器学习 (ML) 中至关重要.
- 人类活动识别 (HAR) 具有固有的领域多样性,使其成为 DG 研究的理想选择.
- 弥合传统和深度学习模型之间的泛化差距是一个持续的挑战.
研究的目的:
- 调查规范化方法,以改善哈尔的总局.
- 将深度学习模型与OOD设置中的手工制作的功能进行比较.
- 评估稀疏训练,混合,分布稳定优化 (DRO) 和敏度意识最小化 (SAM) 的有效性.
主要方法:
- 应用规范化技术 (零散培训,混合,DRO,SAM) 到深度学习模型.
- 在多个领域的OOD设置中评估模型性能.
- 利用同质化的公共数据集进行一致的比较.
- 将深度学习方法与手工制作的传统模型进行比较.
主要成果:
- 在测试的调节剂中,Mixup和SAM表现最强.
- 尽管有所改进,但规范化的深度学习模型并没有超过手工制作的基于特征的模型.
- 规范化技术在OOD强度上提供了部分改进.
结论:
- 规范化方法可以在一定程度上提高HAR中的OOD稳定性.
- 在HAR任务中,手工制作的功能仍然优于实现域泛化.
- 可能需要进一步的研究,以充分利用深度学习来实现HAR域泛化.
相关概念视频
01:10Relative Motion Analysis - Acceleration
379
A slider-crank mechanism converts rotational motion from the crank into linear motion of the slider or vice versa. This mechanism consists of three main parts: the crank, the connecting rod, and the slider. The movement of the slider-crank is an example of general plane motion as the fluctuating angle between the crank and the connecting rod. Consider a segment AB where point A is at the end of the slider and point B is on the diametrically opposite end to point A, on a crack. The variance in...
379
01:22Relative Motion Analysis using Rotating Axes - Acceleration
355
Consider a component AB undergoing a linear motion. Along with a linear motion, point B also rotates around point A. To comprehend this complex movement, position vectors for both points A and B are established using a stationary reference frame. The absolute velocity of point B is determined by adding the absolute velocity of point A, the relative velocity of point B in the rotating frame, and the effects caused by the angular velocity within the rotating frame.
Time differentiation is...
Time differentiation is...
355