Dendron：用于增强人类活动识别的嵌入式 TinyML 学习
机器学习
2025-05-27 v1 人工智能
摘要
人类活动识别(HAR)是一项利用机器学习(ML)技术识别用户活动的研究领域。近期研究倾向于开发直接运行于可穿戴设备上的HAR解决方案，实现设备端活动识别。这种方法由Tiny Machine Learning(TinyML)范式支撑，将ML集成到资源有限的嵌入式设备中。然而，现有方法在针对HAR新任务的设备端学习方面存在不足，尤其是在监督数据稀缺的情况下。为此，本文引入Dendron，一种新的TinyML方法，旨在即使在监督数据稀缺的条件下，也能促进HAR新任务的设备端学习。在两个公开数据集和一台商用设备(STM32-NUCLEO-F401RE)上的实验结果表明，所提出方案的有效性与高效性。
引用
@article{arxiv.2503.01353,
title = {Dendron: Enhancing Human Activity Recognition with On-Device TinyML Learning},
author = {Hazem Hesham Yousef Shalby and Manuel Roveri},
journal= {arXiv preprint arXiv:2503.01353},
year = {2025}
}
备注
Accepted to IEEE SSCI