随机通道剔除用于多模态生物信号手势分类的鲁棒性
人机交互
2024-07-16 v1 计算机视觉与模式识别
机器学习
摘要
基于生物信号的手势分类是有效的人机交互的重要组成部分。对于多模态生物信号感知，由于数据中缺失通道而常常面临数据丢失，这会对手势分类性能产生不利影响。为使分类器对数据中缺失的通道更具鲁棒性，本文提出在训练过程中使用随机通道剔除（Random Channel Ablation, RChA）。获取来自前臂的超声和力力干发电（force myography, FMG）数据，对12种手势进行了2名受试者的实验。最终得到的多模态数据共有16个通道，每个模态8个通道。将所提方法应用于卷积神经网络架构，并与基线方法、插值方法和准确方法进行比较。使用两名受试者的5折交叉验证，实验结果显示，在最多有4个和8个通道缺失的情况下，分别比基线方法提高了12.2%和24.5%的手势分类准确率。值得注意的是，所提方法对于通道数量的增加也表现出比其他方法更好的鲁棒性。这些结果表明了使用随机通道剔除来提高基于多模态和多通道生物信号手势分类器鲁棒性的有效性。
引用
@article{arxiv.2407.10874,
title = {Random Channel Ablation for Robust Hand Gesture Classification with Multimodal Biosignals},
author = {Keshav Bimbraw and Jing Liu and Ye Wang and Toshiaki Koike-Akino},
journal= {arXiv preprint arXiv:2407.10874},
year = {2024}
}
备注
5 pages, 4 figures