无监督域调整用于减轻动物活动识别中的传感器变异性和物种间异质性
Seong-Ho Ahn1, Seeun Kim2, Dong-Hwa Jeong1
1Department of Artificial Intelligence, The Catholic University of Korea, Bucheon 14662, Republic of Korea.
Animals : an open access journal from MDPI
|October 28, 2023
概括
无监督域适应 (UDA) 通过使模型能够从各种传感器数据中学习而提高动物活动识别 (AAR). 这种方法可以提高不同动物和环境的AAR性能.
科学领域:
- 机器学习 机器学习
- 动物行为科学 动物行为科学
- 可穿戴式传感器技术
背景情况:
- 动物活动识别 (AAR) 对于了解动物行为至关重要,但面临的挑战是域变化和稀缺的标记数据.
- 可穿戴传感器为AAR提供了一个有前途的途径,但在不同的传感器位置,动物大小或物种中适应模型仍然很困难.
研究的目的:
- 调查无监督域适应 (UDA) 技术对增强AAR模型的有效性.
- 通过使用各种数据集,评估UDA在AAR中克服领域转移挑战的能力.
主要方法:
- 对比了三种UDA方法:基于分歧的最小化,基于对抗性的,以及基于重建的.
- 应用UDA对来自狗 (不同位置,大小,性别) 和马的传感器数据.
- 评估分类器性能和域差异减少.
主要成果:
- 在各种狗数据变异 (传感器位置,大小,性别) 中,UDA显著提高了AAR分类性能.
- UDA在适应不同物种模型方面表现出有效性,特别是在狗和马之间.
- 观察到域差异减少,表明域不变特征学习成功.
结论:
- 无监督域调整是一种可行的策略,可以提高AAR模型的稳定性和通用性.
- UDA有效地减轻了域转移问题,使得在具有有限标记数据的现实场景中能够更好地执行.
- 这项研究为开发用于各种动物监测应用的实际AAR系统提供了宝贵的见解.
关键词:
动物活动识别动物活动识别深度适应网络 (DAN) 是一个深度适应网络.深度重建分类网络 (DRCN) 是一个深度重建分类网络.域对抗神经网络 (DANN) 是一个无监督域调整 (UDA) 是指无监督域调整.可穿戴设备可穿戴设备.更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.9K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
3.8K
