VALERIAN：面向野外基于IMU传感器人体活动识别的不变特征学习
信号处理
2023-03-13 v1 机器学习
摘要
在受控、精心整理的数据集上训练的基于IMU传感器的人体活动识别（HAR）深度神经网络模型，在实际部署中泛化能力较差。然而，从自然场景收集的数据常包含显著标签噪声。本工作中，我们考察了两个野外HAR数据集以及DivideMix这一最先进的带噪标签学习（LNL）方法，以理解训练数据中噪声标签的程度与影响。我们的实证分析揭示，不同受试者间的显著领域鸿沟导致LNL方法违背一个关键潜在假设，即神经网络往往在训练早期倾向于拟合更简单（因而干净）的数据。受此启发，我们设计了VALERIAN，一种面向野外可穿戴传感器HAR的不变特征学习方法。通过训练一个对每个受试者具有独立任务特定层的多任务模型，VALERIAN使噪声标签可被个别处理，同时受益于跨受试者的共享特征表示。我们在四个数据集上评估了VALERIAN，其中两个在受控环境中收集，两个在野外收集。
引用
@article{arxiv.2303.06048,
title = {VALERIAN: Invariant Feature Learning for IMU Sensor-based Human Activity Recognition in the Wild},
author = {Yujiao Hao and Boyu Wang and Rong Zheng},
journal= {arXiv preprint arXiv:2303.06048},
year = {2023}
}