对比学习在人体活动识别医疗健康应用中的探索
机器学习
2021-02-12 v3 信号处理
摘要
人体活动识别（HAR）是可穿戴与移动感知中最重要的任务之一，因其对人类福祉与健康监测具有重要意义。鉴于 HAR 中标注数据集的局限性，尤其在医疗健康相关应用中，本工作探索将用于视觉表示的对比学习技术 SimCLR 采纳并适配至 HAR。对比学习目标的使用使得对应视图的表示更相似，非对应视图的表示更相异。经过探索 64 种不同信号变换组合以增强数据的广泛评估，我们观察到因变换顺序与功能导致的显著性能差异。具体而言，初步结果表明在使用微调与随机旋转增强时优于监督与无监督学习方法，然而未来工作应探索 SimCLR 在何种条件下有益于 HAR 系统及其他医疗健康相关应用。
引用
@article{arxiv.2011.11542,
title = {Exploring Contrastive Learning in Human Activity Recognition for Healthcare},
author = {Chi Ian Tang and Ignacio Perez-Pozuelo and Dimitris Spathis and Cecilia Mascolo},
journal= {arXiv preprint arXiv:2011.11542},
year = {2021}
}
备注
Presented at Machine Learning for Mobile Health Workshop at NeurIPS 2020, Vancouver, Canada