WSense: A Robust Feature Learning Module for Lightweight Human Activity Recognition

要約

タイトル：WSense：軽量な人間活動認識のための堅牢な特徴学習モジュール

要約：
– ウェアラブルセンサー信号から学習される特徴の品質を向上させるため、squeeze-and-excitationなどのさまざまなモジュールが提案されている。
– しかし、これらのモジュールはパラメータ数を多くするため、エンドデバイスで簡単に展開できる軽量な人間活動認識モデルの構築には適していない。
– 本研究では、WSenseという特徴学習モジュールを提案し、2つの1D CNNとグローバルマックスプーリング層を使用して、スライドウィンドウのサイズによる活動認識モデルの差異を無視しながら、ウェアラブルセンサーデータから同様の品質の特徴を抽出する。
– シングルアクセラメータ（WISDM）とアクセラメータ、ジャイロスコープ、磁力計の融合（PAMAP2）から得られたデータセットで、異なるスライドウィンドウサイズでCNNとConvLSTM特徴学習パイプラインを使用して実験が行われた。
– 960回の実験を行って、WSenseモジュールを2つのデータセットでベースラインや既存の方法と比較し、スライドウィンドウセグメンテーション全体で最小かつ均一なモデルサイズで、同様の品質の特徴を学習するのに役立ったことが示された。
– コードはhttps://github.com/AOige/WSenseで入手可能。

要約(オリジナル)

In recent times, various modules such as squeeze-and-excitation, and others have been proposed to improve the quality of features learned from wearable sensor signals. However, these modules often cause the number of parameters to be large, which is not suitable for building lightweight human activity recognition models which can be easily deployed on end devices. In this research, we propose a feature learning module, termed WSense, which uses two 1D CNN and global max pooling layers to extract similar quality features from wearable sensor data while ignoring the difference in activity recognition models caused by the size of the sliding window. Experiments were carried out using CNN and ConvLSTM feature learning pipelines on a dataset obtained with a single accelerometer (WISDM) and another obtained using the fusion of accelerometers, gyroscopes, and magnetometers (PAMAP2) under various sliding window sizes. A total of nine hundred sixty (960) experiments were conducted to validate the WSense module against baselines and existing methods on the two datasets. The results showed that the WSense module aided pipelines in learning similar quality features and outperformed the baselines and existing models with a minimal and uniform model size across all sliding window segmentations. The code is available at https://github.com/AOige/WSense.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI