PreFallKD：通过 CNN-ViT 知识蒸馏的跌倒前检测
信号处理
2023-03-30 v3 机器学习
摘要
跌倒事故在老龄化及老龄社会中是严峻问题。近来，许多研究者利用深度学习开发跌倒前检测系统，以支持基于可穿戴的跌倒防护系统来预防严重伤害。然而，考虑到资源受限移动设备的可用性与严格延迟要求，多数工作仅采用简单神经网络模型而非复杂模型。本工作中，我们提出一种通过 CNN-ViT 知识蒸馏的新颖跌倒前检测，即 PreFallKD，以在检测性能与计算复杂度间取得平衡。所提 PreFallKD 将检测知识从预训练教师模型（视觉 Transformer）迁移至学生模型（轻量卷积神经网络）。此外，我们应用数据增强技术解决数据不平衡问题。我们在 KFall 公开数据集上实验，并将 PreFallKD 与其他最先进模型比较。实验结果显示，PreFallKD 能在测试阶段提升学生模型，并取得可靠的 F1-score（92.66%）与前置时间（551.3 ms）。
引用
@article{arxiv.2303.03634,
title = {PreFallKD: Pre-Impact Fall Detection via CNN-ViT Knowledge Distillation},
author = {Tin-Han Chi and Kai-Chun Liu and Chia-Yeh Hsieh and Yu Tsao and Chia-Tai Chan},
journal= {arXiv preprint arXiv:2303.03634},
year = {2023}
}