基于加速度计的步态识别中的特征学习
计算机视觉与模式识别
2020-08-03 v1 机器学习
摘要
模式匹配（如语音或物体识别）的最新进展支持了利用深度学习方案进行步态识别的特征学习的可行性。以往论文已评估为此任务以监督方式训练的深度神经网络。本工作中，我们研究了监督与无监督两种方法。基于学习步态验证系统良好表征的能力，比较了嵌入端到端模型与自编码器的相似架构特征提取器。两种特征提取器均在IDNet数据集上训练，然后用于ZJU-GaitAccel数据集上的特征提取。结果表明，在特征学习能力方面自编码器非常接近判别性端到端模型，且全卷积模型能够学习良好的特征表征，与训练策略无关。
引用
@article{arxiv.2007.15958,
title = {Feature Learning for Accelerometer based Gait Recognition},
author = {Szilárd Nemes and Margit Antal},
journal= {arXiv preprint arXiv:2007.15958},
year = {2020}
}
备注
23 pages, 10 figures, 3 tables