Octave Mix：基于频率分解的数据增强方法用于活动识别
计算机视觉与模式识别
2021-01-11 v1
摘要
在活动识别的研究领域中，尽管难以收集大量实测传感器数据，但关于数据增强（DA）的讨论并不多。在本研究中，我提出 Octave Mix 作为一种用于基于传感器的活动识别的新型合成式 DA 方法。Octave Mix 是一种简单的 DA 方法，它利用频率分解将低频与高频波形相交，从而组合两类波形。此外，我提出了一种 DA 集成模型及其训练算法，以在保持多样化特征表示的同时获得对原始传感器数据的鲁棒性。我通过使用四个不同的基于传感的活动识别基准数据集进行实验来评估所提方法的有效性。结果表明，我所提方法取得了最佳的估计精度。此外，我发现集成两种 DA 策略：Octave Mix 加旋转与 mixup 加旋转，能够实现更高的精度。
引用
@article{arxiv.2101.02882,
title = {Octave Mix: Data augmentation using frequency decomposition for activity recognition},
author = {Tatsuhito Hasegawa},
journal= {arXiv preprint arXiv:2101.02882},
year = {2021}
}
备注
12 pages, 4 figures, this paper is a pre-print to submit to IEEE Access journal