基于自监督 WiFi 的活动识别
网络与互联网体系结构
2021-04-20 v1 机器学习
摘要
传统的活动识别方法涉及使用可穿戴传感器或摄像头来识别人类活动。在本工作中，我们从 WiFi 设备中提取细粒度物理层信息，用于室内环境中的被动活动识别。尽管此类数据无处不在，但很少有方法旨在利用大量未标记的 WiFi 数据。我们提出使用自监督对比学习，在不同同步接收器捕获的传输 WiFi 信号的多视图下提升活动识别性能。我们进行了实验，将发射器和接收器布置于不同物理布局中，以覆盖视距（LoS）和非视距（NLoS）条件。我们将所提出的对比学习系统与非对比系统进行比较，观察到在基于 WiFi 的活动识别任务上宏平均 F1 分数提升了 17.7%，并且在一样本和少样本学习场景中也有显著改进。
引用
@article{arxiv.2104.09072,
title = {Self-Supervised WiFi-Based Activity Recognition},
author = {Hok-Shing Lau and Ryan McConville and Mohammud J. Bocus and Robert J. Piechocki and Raul Santos-Rodriguez},
journal= {arXiv preprint arXiv:2104.09072},
year = {2021}
}