基于对比学习的智能纺织品有限数据用户识别
信号处理
2024-09-13 v1 机器学习
摘要
压力感知智能纺织品在医疗、运动监测和智能家居等领域广泛应用。将嵌入压力感知阵列的设备集成预期可实现全场景覆盖和多设备集成。然而，身份识别的实现依赖大量设备特定数据集，因为不同设备之间的压力分布存在差异。为此，我们提出一种基于对比学习的 novel 用户识别方法。我们设计两个平行分支分别用于新旧设备上的用户识别，采用监督对比学习在特征空间中促进领域统一。面对新设备时，不需要大量数据收集 effort；相反，可仅通过少量简单姿势数据实现用户识别。通过在两个8受试者压力数据集( BedPressure和ChrPressure)上的实验，我们的方法表明，可仅使用包含2个姿势的数据集，即可实现对12种坐姿场景的用户识别。我们的平均识别准确率达79.05%，相较于最佳基线模型提升了2.62%。
引用
@article{arxiv.2409.07488,
title = {Contrastive Learning-based User Identification with Limited Data on Smart Textiles},
author = {Yunkang Zhang and Ziyu Wu and Zhen Liang and Fangting Xie and Quan Wan and Mingjie Zhao and Xiaohui Cai},
journal= {arXiv preprint arXiv:2409.07488},
year = {2024}
}