Fullie与Wiselie：一种用于活动识别的双流循环卷积注意力模型
人机交互
2017-11-22 v1 人工智能
机器学习
摘要
多模态特征在基于可穿戴传感器的人体活动识别（HAR）中起着关键作用。自适应地选择最显著的特征是最大化多模态传感器数据有效性的一种有前景的方法。在这方面，我们提出了“全面收集、明智选择（Fullie与Wiselie）”原则以及一种双流循环卷积注意力模型——循环注意力与活动帧（RAAF），以提升识别性能。我们首先收集模态特征以及每对特征之间的关系以生成活动帧，然后引入注意力机制从活动帧中精确选择最突出的区域。所选帧不仅最大化有效特征的利用，还有效减少了需计算的特征数量。我们基于大量实验进一步分析了所提模型的超参数、准确率、可解释性以及标注依赖性。结果表明，RAAF在两个基准数据集上取得了具有竞争力的性能，并在真实场景中有良好表现。
引用
@article{arxiv.1711.07661,
title = {Fullie and Wiselie: A Dual-Stream Recurrent Convolutional Attention Model for Activity Recognition},
author = {Kaixuan Chen and Lina Yao and Tao Gu and Zhiwen Yu and Xianzhi Wang and Dalin Zhang},
journal= {arXiv preprint arXiv:1711.07661},
year = {2017}
}