基于单传感器活动识别的虚拟融合与对比学习
机器学习
2024-08-05 v1 人工智能
计算机视觉与模式识别
摘要
各类传感器均可用于人类活动识别 (HAR)，且各有优劣。有时单一传感器无法从其视角全面观测用户的动作，从而导致错误的预测。虽然传感器融合为 HAR 提供了更多信息，但也带来了诸多固有缺陷，如用户隐私与接受度问题，以及高昂的设置、运行和维护成本。为了解决这一问题，我们提出了虚拟融合——一种新方法，该方法在训练期间利用来自多个时间同步传感器的无标签数据，但在推理时仅需单一传感器。我们采用对比学习来挖掘传感器之间的相关性。虚拟融合比使用同一单一传感器进行训练能获得显著更高的准确率，在某些情况下，它甚至在测试时超越了使用多个传感器的实际融合。我们还将该方法扩展为一个更通用的版本，称为虚拟融合中的实际融合 (AFVF)，该版本在推理期间使用训练传感器的子集。我们的方法在 UCI-HAR 和 PAMAP2 基准数据集上取得了 SOTA 的准确率和 F1 分数。实现代码可应请求提供。
引用
@article{arxiv.2312.02185,
title = {Virtual Fusion with Contrastive Learning for Single Sensor-based Activity Recognition},
author = {Duc-Anh Nguyen and Cuong Pham and Nhien-An Le-Khac},
journal= {arXiv preprint arXiv:2312.02185},
year = {2024}
}