未见练习的智能重复计数：基于传感器信号的少样本学习方法
机器学习
2024-10-10 v2
摘要
传感技术在自动化反映人体运动的系统方面取得了显著进展，特别是在机器人和医疗保健领域，它被用于自动检测目标运动。本研究开发了一种通过分析IMU信号自动计数运动重复次数的方法，重点关注一个通用的运动重复计数任务，该任务使用单一模型计数所有类型的运动动作，包括训练中未见的新动作。由于不同运动之间以及执行相同运动的不同个体之间的峰值模式可能存在显著差异，模型需要学习传感器数据的复杂嵌入空间才能有效泛化。为了应对这一挑战，我们提出了一种利用基于深度度量的少样本学习方法的重复计数技术，旨在处理现有和新颖的运动。通过将计数任务重新定义为少样本分类问题，该方法能够检测训练中未见运动的重复峰值模式。该方法采用具有三元组损失的孪生网络，优化嵌入空间以区分峰值和非峰值帧。评估结果证明了所提出方法的有效性，显示在28种不同运动中，准确计数单组内十个或更多重复次数的概率为86.8%。这一性能突显了模型在各种运动类型（包括训练数据中未出现的运动）上的泛化能力。这种鲁棒性和适应性使得该系统成为健身和医疗保健应用中实时实现的有力候选方案。
引用
@article{arxiv.2410.00407,
title = {Intelligent Repetition Counting for Unseen Exercises: A Few-Shot Learning Approach with Sensor Signals},
author = {Yooseok Lim and Sujee Lee},
journal= {arXiv preprint arXiv:2410.00407},
year = {2024}
}