分类器集成能否在包装活动中提供更优的识别结果？
计算机视觉与模式识别
2022-11-08 v1 机器学习
信号处理
摘要
基于骨架的动作捕捉（MoCap）系统长期以来被广泛用于游戏和电影行业以模仿复杂的人类动作。MoCap 数据也在人类活动识别任务中证明了其有效性。然而，对于较小的数据集而言，这是一项颇具挑战的任务。工业活动此类数据的缺乏进一步增加了困难。在这项工作中，我们提出了一种基于集成（ensemble）的机器学习方法，旨在更好地作用于 MoCap 数据集。实验在 Bento Packaging Activity Recognition Challenge 2021 给出的 MoCap 数据上进行。Bento 是一个意为午餐盒的日语词。在对原始 MoCap 数据进行初步处理后，我们使用所提出的集成模型在 10 折交叉验证上取得了 98% 的惊人准确率，在留一交叉验证上取得了 82% 的准确率。
引用
@article{arxiv.2211.02965,
title = {Can Ensemble of Classifiers Provide Better Recognition Results in Packaging Activity?},
author = {A. H. M. Nazmus Sakib and Promit Basak and Syed Doha Uddin and Shahamat Mustavi Tasin and Md Atiqur Rahman Ahad},
journal= {arXiv preprint arXiv:2211.02965},
year = {2022}
}