基于二维特征地图的边缘恐惧识别的深度学习方法
IEEE journal of biomedical and health informatics
|April 22, 2024
概括
这项研究引入了一种使用可穿戴传感器和深度学习的新型恐惧识别系统. 该技术在检测恐惧方面显示出高精度,为实时安全应用铺平了道路.
科学领域:
- 情感计算是一种情感计算.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 实时检测恐惧对个人安全至关重要.
- 可穿戴设备提供了一种非侵入性的方法来收集生理数据.
- 将情感计算与信号处理相结合,可以提高用户的安全性.
研究的目的:
- 开发和验证一种使用可穿戴设备的生理信号识别恐惧的方法.
- 探索深度学习模型的应用,以图像处理为灵感计算的灵感.
- 评估边缘部署用于实时恐惧检测的可行性.
主要方法:
- 从可穿戴设备收集生理信号.
- 从原始信号创建二维特征地图.
- 使用深度学习分类模型,根据图像处理技术进行调整.
- 使用了数据增强和特征选择算法.
主要成果:
- 提出的方法在多个数据集 (WEMAC,WESAD 3类,WESAD 2类) 中实现了高性能.
- F1得分从78.13%到99.60%不等,准确度从79.90%到99.60%不等.
- 在Coral Edge TPU设备上成功实现,证明了边缘推断能力.
结论:
- 开发的恐惧识别系统是有效和准确的.
- 该方法显示了使用可穿戴技术的实时保应用的前景.
- 边缘计算可实现实际的设备上部署,用于立即检测威胁.
