基于四元数卷积神经网络的旋转不变步态识别
计算机视觉与模式识别
2020-08-18 v1 机器学习
图像与视频处理
摘要
基于加速度计步态识别系统的一个理想特性,是对用户在测试时呈现、但训练阶段未见的新的设备朝向具有鲁棒性。然而,这些系统中使用的传统卷积神经网络(CNN)对此类变换的补偿能力很差。本文通过引入四元数CNN(Quaternion CNN)来解决该问题,这是一种在网络各层对输入向量数组的3D旋转具有内在等变性、在全局具有不变性的网络架构。我们通过实验表明,在多用户旋转不变步态分类设定下,该网络确实显著优于传统CNN。最后,我们展示了该QCNN学习到的核如何也可可视化为欧氏空间中与基无关但依赖于原点和手性的轨迹片段,从而产生了一种新颖的特征可视化与提取方式。
引用
@article{arxiv.2008.07393,
title = {Rotation-Invariant Gait Identification with Quaternion Convolutional Neural Networks},
author = {Bowen Jing and Vinay Prabhu and Angela Gu and John Whaley},
journal= {arXiv preprint arXiv:2008.07393},
year = {2020}
}