XAI-BayesHAR：一种集成不确定性与Shapley值的人的活动识别新框架
人机交互
2022-11-08 v1 计算机视觉与模式识别
信号处理
摘要
利用 IMU 传感器（即加速度计和陀螺仪）进行人的活动识别（HAR）在智能家居、医疗和健康以及人机接口系统中有多种应用。实际上，基于 IMU 的 HAR 系统预期会因传感器退化、陌生环境或传感器噪声而遇到测量变化，并将面临未知活动。鉴于该方案的实际部署，对活动类别得分的统计置信度分析是重要的指标。因此，在本文中我们提出 XAI-BayesHAR，一种集成贝叶斯框架，它通过卡尔曼滤波递归跟踪特征嵌入向量及其关联不确定性，从而提升基于 IMU 的 HAR 方案的整体活动分类精度。此外，XAI-BayesHAR 利用预测不确定性作为分布外（OOD）检测器，有助于评估和检测异类输入数据分布。进一步，还基于 Shapley 值评估了所提框架的性能，以理解特征嵌入向量的重要性，并据此用于模型压缩。
引用
@article{arxiv.2211.03451,
title = {XAI-BayesHAR: A novel Framework for Human Activity Recognition with Integrated Uncertainty and Shapely Values},
author = {Anand Dubey and Niall Lyons and Avik Santra and Ashutosh Pandey},
journal= {arXiv preprint arXiv:2211.03451},
year = {2022}
}