将传感器数据转换至图像域用于深度学习——在脚步检测中的应用
计算机视觉与模式识别
2017-07-18 v3
摘要
卷积神经网络（CNNs）已成为各种计算机视觉任务的最先进方法，但对于大多数传感器数据，尤其在普适和可穿戴计算中，它们仍不成熟。一个主要原因是带标注训练数据的有限数量。在本文中，我们提出通过将对传感器模态转换到视觉域，来利用预训练深度 CNN 在二维传感器数据上的判别能力。通过三种提出的策略，二维传感器输出被转换为压力分布图像。然后我们利用预训练的 CNN 对转换后的图像数据进行迁移学习。我们在一个地面表面压力映射的步态数据集上评估我们的方法。我们获得了 87.66% 的分类准确率，比传统机器学习方法高出 10% 以上。
引用
@article{arxiv.1701.01077,
title = {Transforming Sensor Data to the Image Domain for Deep Learning - an Application to Footstep Detection},
author = {Monit Shah Singh and Vinaychandran Pondenkandath and Bo Zhou and Paul Lukowicz and Marcus Liwicki},
journal= {arXiv preprint arXiv:1701.01077},
year = {2017}
}
备注
8 pages, 8 figures, Published in IJCNN, 2017 Copyright: IEEE 2017 DOI: 10.1109/IJCNN.2017.7966182