用于活动识别的 EmbraceNet：一种深度多模态融合架构
信号处理
2020-04-30 v1 机器学习
机器学习
摘要
利用多传感器进行人体活动识别在近几十年是一项具挑战性但前景广阔的 task。本文中，我们基于近期提出的名为 EmbraceNet 的特征融合架构，提出一种用于活动识别的深度多模态融合模型。我们的模型独立处理各传感器数据，以 EmbraceNet 架构融合特征，并对融合特征后处理以预测活动。此外，我们提出附加处理流程以提升模型性能。我们将所提模型所得结果以团队名“Yonsei-MCML”提交至 SHL 识别挑战赛。
引用
@article{arxiv.2004.13918,
title = {EmbraceNet for Activity: A Deep Multimodal Fusion Architecture for Activity Recognition},
author = {Jun-Ho Choi and Jong-Seok Lee},
journal= {arXiv preprint arXiv:2004.13918},
year = {2020}
}
备注
Accepted in HASCA at ACM UbiComp/ISWC 2019, won the 2nd place in the SHL Recognition Challenge 2019