Guided-GAN：面向可穿戴设备活动识别的对抗表征学习
机器学习
2021-10-13 v1 人工智能
摘要
人类活动识别（HAR）是普适计算中的一个重要研究领域，其中大规模标注传感器数据的获取繁琐、费力且耗时。为缓解 HAR 中数据标注负担而研究的最先进的无监督补救方法主要探索训练自编码器框架。在本文中：我们探索生成对抗网络（GAN）范式以从可穿戴传感器数据中学习无监督特征表征；并设计了一个新的 GAN 框架——几何引导 GAN（Geometrically-Guided GAN）或称 Guided-GAN——用于该任务。为证明我们公式的有效性，我们在三个下游分类基准上以无监督方式评估了 Guided-GAN 学到的特征。我们的结果表明，Guided-GAN 优于现有的无监督方法，同时密切接近全监督学习表征的性能。所提方法为弥合无监督与有监督人类活动识别之间的差距铺平了道路，同时有助于降低人类数据标注任务的成本。
引用
@article{arxiv.2110.05732,
title = {Guided-GAN: Adversarial Representation Learning for Activity Recognition with Wearables},
author = {Alireza Abedin and Hamid Rezatofighi and Damith C. Ranasinghe},
journal= {arXiv preprint arXiv:2110.05732},
year = {2021}
}