标注技术对分类不同速度人类操作运动的影响
计算机视觉与模式识别
2022-02-08 v1 人工智能
机器学习
摘要
在这项工作中，我们基于标记式运动捕捉系统记录的数据，研究标注方法对人类运动分类的影响。数据集使用两种不同方法标注，一种基于运动的视频数据，另一种基于运动捕捉系统记录的运动轨迹。数据来自一名参与者执行包含慢速、正常、快速三种不同速度（慢、正常、快）简单手臂动作的堆叠场景。比较了包括 k-Nearest Neighbor（k近邻）、Random Forest（随机森林）、Extreme Gradient Boosting 分类器、Convolutional Neural networks（CNN，卷积神经网络）、Long Short-Term Memory networks（LSTM，长短期记忆网络）以及 CNN-LSTM 网络组合在内的机器学习算法在识别这些手臂动作上的性能。模型在慢速和正常速度运动片段上训练，并泛化到由快速人类运动组成的动作。观察到，所有在基于轨迹标注的正常速度数据上训练的模型，相比在基于实验视频标注的数据上训练的模型，测试准确率提升了近 20%。
引用
@article{arxiv.2202.02426,
title = {The influence of labeling techniques in classifying human manipulation movement of different speed},
author = {Sadique Adnan Siddiqui and Lisa Gutzeit and Frank Kirchner},
journal= {arXiv preprint arXiv:2202.02426},
year = {2022}
}