基于注意力的卷积神经网络用于可穿戴传感器弱标注人体活动识别
机器学习
2019-07-02 v2 机器学习
摘要
与可由人工轻松标注的图像或视频数据不同，传感器数据标注是一个耗时的过程。然而，传统的人体活动识别方法需要大量此类严格标注的数据来训练分类器。在本文中，我们提出了一种基于注意力的卷积神经网络，用于从弱标注数据中识别人体活动。所提出的注意力模型能够聚焦于长序列传感器数据中的已标注活动，同时滤除大量背景噪声信号。在弱标注数据集上的实验中，我们表明我们的注意力模型在准确率上优于经典深度学习方法。此外，我们通过将注意力模型生成的兼容性分数转换为兼容性密度，确定了弱标注长序列中已标注活动的具体位置。我们的方法极大便利了传感器数据标注过程，并使数据收集更加容易。
引用
@article{arxiv.1903.10909,
title = {Attention-based Convolutional Neural Network for Weakly Labeled Human Activities Recognition with Wearable Sensors},
author = {Kun Wang and Jun He and Lei Zhang},
journal= {arXiv preprint arXiv:1903.10909},
year = {2019}
}
备注
6 pages, 5 figures