对抗样本助力：基于梯度的设备无关跨域手势识别
计算机视觉与模式识别
2020-04-09 v1 机器学习
图像与视频处理
摘要
基于无线信号的手势识别推动了VR游戏、智能家居等的发展。然而，传统方法受域间隙影响。当识别模型在一个域中训练却在另一域中使用时，识别准确率较低。尽管已有一些解决方案，如对抗学习、迁移学习和体坐标速度剖面，被用于实现跨域识别，但这些方案或多或少存在缺陷。本文中，我们定义了域间隙的概念，并提出了一种更具前景的解决方案，即DI，以消除域间隙并进一步实现域无关手势识别。DI利用梯度图的符号图作为域间隙消除器来提升识别准确率。我们以十个域和十个手势进行了实验。实验结果表明，DI在KNN、SVM和CNN上分别达到87.13%、90.12%和94.45%的识别准确率，优于现有方案。
引用
@article{arxiv.2004.03961,
title = {Adversary Helps: Gradient-based Device-Free Domain-Independent Gesture Recognition},
author = {Jianwei Liu and Jinsong Han and Feng Lin and Kui Ren},
journal= {arXiv preprint arXiv:2004.03961},
year = {2020}
}