释放共享标签结构之力用于人类活动识别
机器学习
2023-10-23 v2 人工智能
信号处理
摘要
当前人类活动识别（HAR）技术将活动标签视为整数类 ID，而未显式建模类标签的语义。我们观察到不同活动名称常具有共享结构。例如，“open door”与“open fridge”均以“open”为动作；“kicking soccer ball”与“playing tennis ball”均以“ball”为对象。标签名称中的此类共享结构可转化为传感数据中的相似性，对共享结构建模有助于揭示不同活动间的知识，尤其对样本有限的活动。本文提出 SHARE，一种考虑不同活动标签名称共享结构的 HAR 框架。为利用共享结构，SHARE 包含从输入传感时间序列提取特征的编码器，以及将标签名称生成为词元序列的解码器。我们还提出三种标签增强技术以帮助模型更有效捕获跨活动的语义结构，包括基础词元级增强，以及利用预训练模型能力的两种增强型嵌入级与序列级增强。在七个 HAR 基准数据集的大量实验中，SHARE 优于最先进的 HAR 模型。我们还在少样本学习与标签不平衡设定下评估，观察到更显著的性能差距。
引用
@article{arxiv.2301.03462,
title = {Unleashing the Power of Shared Label Structures for Human Activity Recognition},
author = {Xiyuan Zhang and Ranak Roy Chowdhury and Jiayun Zhang and Dezhi Hong and Rajesh K. Gupta and Jingbo Shang},
journal= {arXiv preprint arXiv:2301.03462},
year = {2023}
}
备注
CIKM 2023