基于射频的手势识别的无监督域适应
计算机视觉与模式识别
2024-11-19 v2 人机交互
摘要
利用射频(RF)信号进行人体手势识别因射频信号无处不在、保护隐私和覆盖广泛而受到赞誉。这些手势识别系统依赖于使用大量标注数据训练的神经网络。然而,在特定条件下使用数据训练的识别模型在实际部署中应用时会出现显著的性能下降,这限制了手势识别系统的应用。本文提出了一种用于基于射频的手势识别的无监督域适应框架,旨在通过有效利用来自新条件的未标注数据来提升识别模型在新条件下的性能。我们首先提出伪标注和一致性正则化,以利用未标注数据进行模型训练并消除不同域之间的特征差异。然后我们提出置信度约束损失来增强伪标注的有效性,并基于射频信号的特征设计了两种相应的数据增强方法来加强一致性正则化的性能,使框架更有效且鲁棒。此外,我们提出交叉匹配损失来整合伪标注和一致性正则化,使整个框架简洁而有效。大量实验表明,所提出的框架在公开WiFi数据集和毫米波(mmWave)雷达数据集上分别比最先进的方法实现了4.35%和2.25%的准确率提升。
引用
@article{arxiv.2111.10602,
title = {Unsupervised Domain Adaptation for RF-based Gesture Recognition},
author = {Bin-Bin Zhang and Dongheng Zhang and Yadong Li and Yang Hu and Yan Chen},
journal= {arXiv preprint arXiv:2111.10602},
year = {2024}
}
备注
This paper has been published by the IEEE Internet of Things Journal