ProxyFAUG：基于邻近度的指纹增强
计算机视觉与模式识别
2022-01-13 v2 图像与视频处理
摘要
数据需求型机器学习方法的激增凸显了以简单、基于规则的方法扩大训练数据集规模的必要性。基于此概念，本工作提出的指纹增强方案旨在增强用于训练定位模型的指纹数据集。所提方法利用在空间上邻近记录的指纹来执行指纹增强，创建结合原始指纹特征的新指纹。这种组合新增强指纹的方法受遗传算法的交叉与变异算子启发。ProxyFAUG 方法旨在通过引入一种基于规则、随机、基于邻近度的指纹增强方法，提升指纹数据集可实现的定位精度。ProxyFAUG 的性能在户外 Sigfox 环境下使用公开数据集进行评估。该数据集上性能最佳的已发表定位方法在使用增强数据集后，中位误差改善 40%，平均误差改善 6%。结果分析表明，在较低误差四分位处存在系统且显著的性能提升，这由中位误差的大幅改善所指示。
引用
@article{arxiv.2102.02706,
title = {ProxyFAUG: Proximity-based Fingerprint Augmentation},
author = {Grigorios G. Anagnostopoulos and Alexandros Kalousis},
journal= {arXiv preprint arXiv:2102.02706},
year = {2022}
}