논문 요약: Human activity recognition based on time series analysis using U-Net
소개
Net에서 찾은 다음 논문
[1] Y. Sun, et. al "Human activity recognition based on time series analysis using U-Net"
의 거친 정리.
accept된 journal 등은 불명.
arXiv:
htps : // 아 rぃ v. rg/아bs/1809.08113
개요
기존의 기계 학습을 이용한 기술
기계 학습을 이용하여 시계열 데이터를 해석하고, 사람의 행동 인식을 실시하는 모델의 종래 수법(deep learning 이전)은 논문을 철저히 정리하면 이런 느낌인가?
1) 먼저 시계열 데이터에서 일부 시퀀스를 잘라냅니다.
2) 그것에 전처리를 실시한다.
3) 다음으로 특징량을 추출한다. 이것은 원시 데이터에서 추출하는 경우와 FFT 등으로 주파수 영역으로 날아가 거기에서 추출하는 경우가 있다.
4) 마지막으로 특징량을 이용하여 행동을 분류한다. SVM이나 결정 트리 등을 이용한다. 모든 특징 량을 사용하는 경우와 차원 압축 후 사용하는 경우가 있습니다.
이들은 핸드메이드인 특징량 추출기이므로, 최종적인 분류 정밀도가 두드려.
deep learning을 이용한 종래의 방법
이에 대해, deep learning을 사용하면 아래 그림과 같은 느낌인가?
1) 다시 시계열 데이터에서 일부 시퀀스를 잘라냅니다.
2) 거기에 전처리를 한다
3) 1-d conv와 RNN을 이용하여 특징량 추출 및 분류를 단번에 실시한다. 논문에는 없지만 3, 4년 전에 유행한 2-d conv도 넣어 보았다.
특징량 추출기도 학습함으로써 정밀도의 향상을 기대할 수 있다.
그러나 저자가 말하는 곳에 "multi-class window problem"는 남아 있다.
이것은 sliding window에서 잘라낸 sequential에 대해 항상 하나의 행동이 부여된다는 문제. 행동의 전환 부분에서는 2개 이상의 행동이 대응할 것.
제안 기법의 아키텍처
제안 방법은 이하.
U-Net 구조를 사용하면 각 시간에 대한 행동을 부여 할 수 있습니다. 이제 "multi-class window problem"을 극복할 수 있다.
실험 및 결과
7개의 dataset에서 다른 수법과 accuracy, F1-score로 비교한 결과는 이하.
표시하고 있는 수치는 각 dataset에 있어서 accuracy, F1값을 평균한 것.
U-Net이 가장 높다.
Reference
이 문제에 관하여(논문 요약: Human activity recognition based on time series analysis using U-Net), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/masataka46/items/1b664cab7ad33398d31c
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
이에 대해, deep learning을 사용하면 아래 그림과 같은 느낌인가?
1) 다시 시계열 데이터에서 일부 시퀀스를 잘라냅니다.
2) 거기에 전처리를 한다
3) 1-d conv와 RNN을 이용하여 특징량 추출 및 분류를 단번에 실시한다. 논문에는 없지만 3, 4년 전에 유행한 2-d conv도 넣어 보았다.
특징량 추출기도 학습함으로써 정밀도의 향상을 기대할 수 있다.
그러나 저자가 말하는 곳에 "multi-class window problem"는 남아 있다.
이것은 sliding window에서 잘라낸 sequential에 대해 항상 하나의 행동이 부여된다는 문제. 행동의 전환 부분에서는 2개 이상의 행동이 대응할 것.
제안 기법의 아키텍처
제안 방법은 이하.
U-Net 구조를 사용하면 각 시간에 대한 행동을 부여 할 수 있습니다. 이제 "multi-class window problem"을 극복할 수 있다.
실험 및 결과
7개의 dataset에서 다른 수법과 accuracy, F1-score로 비교한 결과는 이하.
표시하고 있는 수치는 각 dataset에 있어서 accuracy, F1값을 평균한 것.
U-Net이 가장 높다.
Reference
이 문제에 관하여(논문 요약: Human activity recognition based on time series analysis using U-Net), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/masataka46/items/1b664cab7ad33398d31c
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
7개의 dataset에서 다른 수법과 accuracy, F1-score로 비교한 결과는 이하.
표시하고 있는 수치는 각 dataset에 있어서 accuracy, F1값을 평균한 것.
U-Net이 가장 높다.
Reference
이 문제에 관하여(논문 요약: Human activity recognition based on time series analysis using U-Net), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/masataka46/items/1b664cab7ad33398d31c텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)