同质化现有基于惯性的数据集以支持人类活动识别
信号处理
2022-01-21 v1 计算机视觉与模式识别
机器学习
摘要
已有若干技术被提出以解决从信号识别日常活动的问题。应用于惯性信号的深度学习技术已被证明有效，取得了显著的分类准确率。近来，人类活动识别（HAR）模型的研究几乎完全以模型为中心。已证明训练样本的数量及其质量对于获得不依赖架构且对类内变异与类间相似性更鲁棒的深度学习模型至关重要。遗憾的是，公开可用数据集并非总包含高质量数据以及足够大且多样的样本数量（例如受试者数量、所执行活动类型与试验时长）。此外，数据集之间具有异质性，因此无法简单合并以获得更大的集合。我们工作的最终目标是定义并实现一种平台，该平台集成惯性信号数据集，从而向科学界提供大型同质信号数据集，并在可能时以上下文信息（例如受试者特征与设备位置）丰富之。我们平台的主要重点是强调数据质量，这对训练高效模型至关重要。
引用
@article{arxiv.2201.07891,
title = {Homogenization of Existing Inertial-Based Datasets to Support Human Activity Recognition},
author = {Hamza Amrani and Daniela Micucci and Marco Mobilio and Paolo Napoletano},
journal= {arXiv preprint arXiv:2201.07891},
year = {2022}
}