Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
CMD-HAR : Démêlage intermodal pour la reconnaissance d'activité humaine par des dispositifs portables
Created by
Haebom
Auteur
Hanyu Liu, Siyao Li, Ying Yu, Yixuan Jiang, Hang Xiao, Jingxi Long, Haotian Tang, Chao Li
Contour
Cet article vise à aborder les problématiques de mélange de données multimodales, d'hétérogénéité des activités et de distribution complexe des modèles dans la reconnaissance d'activité humaine (HAR) basée sur des capteurs. À cette fin, nous proposons une stratégie de fusion par alignement et décomposition modale de l'attention spatiotemporelle pour résoudre le problème de distribution mixte des données de capteurs, capturer les principales caractéristiques discriminantes des activités grâce à des représentations spatiotemporelles séparées multimodales et combiner la modulation de gradient pour atténuer l'hétérogénéité des données. De plus, nous construisons un système de simulation de déploiement d'objets portables et démontrons l'efficacité du modèle par des expériences utilisant plusieurs jeux de données publics.
Takeaways, Limitations
•
Takeaways:
◦
Une nouvelle stratégie de fusion basée sur l’attention spatio-temporelle pour traiter efficacement les données de capteurs multimodaux est présentée.
◦
Proposer une méthode de représentation séparable multimodale qui apprend efficacement les caractéristiques discriminantes clés des activités
◦
Application de techniques de modulation de gradient pour atténuer les problèmes d'hétérogénéité des données
◦
Construire un système de simulation de distribution prenant en compte l'environnement portable
◦
Validation des performances du modèle par des expériences utilisant divers ensembles de données publiques
•
Limitations:
◦
Des recherches supplémentaires sont nécessaires sur les performances de généralisation du modèle proposé.
◦
Nécessité d'une évaluation et d'une vérification des performances dans des environnements portables réels
◦
Nécessité d'une évaluation des performances d'activités plus diverses et plus complexes
◦
L'efficacité énergétique et les performances de traitement en temps réel doivent être prises en considération
