Saga：从大规模无标签IMU数据中捕获多粒度语义以实现用户感知
机器学习
2025-12-02 v1 人工智能
摘要
惯性测量单元（IMU）广泛用于移动感知应用，如活动识别和用户认证，其中通常需要大量标记数据来训练满意的模型。然而，由于理解原始IMU数据困难且缺乏真实标签，标记微型活动数据困难。本文提出一种新型细粒度用户感知方法，称为Saga，仅需少量标记IMU数据即可实现出色的用户感知准确率。Saga的核心思想是首先预训练一个基于特征提取的模型，利用嵌入在大量无标签IMU数据中的不同层次丰富语义信息。同时，对于特定的下游用户感知应用，采用贝叶斯优化来确定预训练任务涉及不同语义层次的最优权重。我们在五部典型手机上实现Saga，并在三个IMU数据集上的三个典型任务上对Saga进行评估。结果表明，仅使用约100个训练样本 per class，Saga即可实现超过90%的准确率，而无需额外系统开销。
引用
@article{arxiv.2504.11726,
title = {Saga: Capturing Multi-granularity Semantics from Massive Unlabelled IMU Data for User Perception},
author = {Yunzhe Li and Facheng Hu and Hongzi Zhu and Shifan Zhang and Liang Zhang and Shan Chang and Minyi Guo},
journal= {arXiv preprint arXiv:2504.11726},
year = {2025}
}
备注
2025 IEEE 45th International Conference on Distributed Computing Systems (ICDCS)