DATTA：面向跨域基于 WiFi 的人体活动识别的域对抗测试时自适应
计算机视觉与模式识别
2024-11-21 v1 人工智能
新兴技术
机器学习
摘要
由于环境、设备和主体的变化会导致信道状态信息中的域偏移，跨域泛化是基于 WiFi 的感知中的一个开放问题。为解决此问题，我们提出了域对抗测试时自适应（DATTA），这是一种结合了域对抗训练（DAT）、测试时自适应（TTA）和权重重置的新颖框架，旨在促进对未见目标域的自适应并防止灾难性遗忘。DATTA 被集成到一个针对速度优化的轻量级、灵活架构中。我们对 DATTA 进行了全面评估，包括使用公开数据对所有关键组件进行消融研究，并验证了其在人体活动识别等实时应用中的适用性。当将 SotA 基于视频的 TTA 变体与基于 WiFi 的 DAT 相结合并与 DATTA 进行比较时，我们的方法在 F1-Score 上高出 8.1%。DATTA 的 PyTorch 实现已公开发布于：https://github.com/StrohmayerJ/DATTA。
引用
@article{arxiv.2411.13284,
title = {DATTA: Domain-Adversarial Test-Time Adaptation for Cross-Domain WiFi-Based Human Activity Recognition},
author = {Julian Strohmayer and Rafael Sterzinger and Matthias Wödlinger and Martin Kampel},
journal= {arXiv preprint arXiv:2411.13284},
year = {2024}
}