Improving state estimation through projection post-processing for activity recognition with application to football

要約

【タイトル】
フォトサッカーに適用された活動認識のための投影後処理による状態推定の改善

【要約】
– センサーデータに基づく人間の活動認識への関心が増加している。
– センサーデータは大抵が注釈がつかないため、必要に迫られて高速なラベリング方法が求められる。
– ラベリングの品質を評価するためには、適切なパフォーマンス指標を選択する必要がある。
– 技術の主な貢献は、活動認識のための新しい投影後処理手法であり、推定された短い活動が現実的でない場合に分類方法の精度が向上する。
– 状態変化の時期の不確実性に対処するため、新しいパフォーマンス指標であるLocally Time-Shifted Measure (LTS measure)を提案している。
– 投影後処理の効果は、新しいLTSメジャーを使用して、シミュレートされたデータセットとフットボールのセンサーデータのリアルアプリケーションをベースに評価されている。
– シミュレーション研究は、投影後処理手法とLTSメジャーのパラメータ選択についても議論の対象となっている。

要約(オリジナル)

The past decade has seen an increased interest in human activity recognition based on sensor data. Most often, the sensor data come unannotated, creating the need for fast labelling methods. For assessing the quality of the labelling, an appropriate performance measure has to be chosen. Our main contribution is a novel post-processing method for activity recognition. It improves the accuracy of the classification methods by correcting for unrealistic short activities in the estimate. We also propose a new performance measure, the Locally Time-Shifted Measure (LTS measure), which addresses uncertainty in the times of state changes. The effectiveness of the post-processing method is evaluated, using the novel LTS measure, on the basis of a simulated dataset and a real application on sensor data from football. The simulation study is also used to discuss the choice of the parameters of the post-processing method and the LTS measure.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI