XAI-BayesHAR: A novel Framework for Human Activity Recognition with Integrated Uncertainty and Shapely Values

要約

IMUセンサ、すなわち加速度センサとジャイロスコープを用いた人間活動認識（HAR）は、スマートホーム、ヘルスケア、ヒューマンマシンインターフェースシステムにいくつかの応用がある。実際には、IMUベースのHARシステムは、センサーの劣化、外来環境またはセンサーノイズによる測定のばらつきに遭遇することが予想され、未知の活動にさらされることになる。また、未知のアクティビティが発生することも想定されるため、アクティビティクラススコアに対する統計的信頼度の分析が重要となる。そこで、本論文では、カルマンフィルタにより、特徴埋め込みベクトルとその関連する不確実性を再帰的に追跡することで、IMUベースのHARソリューションの全体的な活動分類精度を向上させる、統合ベイズフレームワークXAI-BayesHARを提案します。さらに、XAI-BayesHARは、予測不確実性を用いたデータ分布外（OOD）検出器として機能し、入力データ分布外の評価と検出を支援する。さらに、提案するフレームワークのシャプレー値ベースの性能も評価し、特徴埋め込みベクトルの重要性を理解し、それに応じてモデル圧縮に使用する。

要約(オリジナル)

Human activity recognition (HAR) using IMU sensors, namely accelerometer and gyroscope, has several applications in smart homes, healthcare and human-machine interface systems. In practice, the IMU-based HAR system is expected to encounter variations in measurement due to sensor degradation, alien environment or sensor noise and will be subjected to unknown activities. In view of practical deployment of the solution, analysis of statistical confidence over the activity class score are important metrics. In this paper, we therefore propose XAI-BayesHAR, an integrated Bayesian framework, that improves the overall activity classification accuracy of IMU-based HAR solutions by recursively tracking the feature embedding vector and its associated uncertainty via Kalman filter. Additionally, XAI-BayesHAR acts as an out of data distribution (OOD) detector using the predictive uncertainty which help to evaluate and detect alien input data distribution. Furthermore, Shapley value-based performance of the proposed framework is also evaluated to understand the importance of the feature embedding vector and accordingly used for model compression

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL