B-HAR: an open-source baseline framework for in depth study of human activity recognition datasets and workflows

要約

機械および深層学習アルゴリズムに基づく人間活動認識 (HAR) は、さまざまなカテゴリーの人々 (運動選手、高齢者、子供、雇用主など) の専門的および日常生活の活動を監視して、
たとえば、健康、技術的パフォーマンスの強化、危険な状況の防止、教育目的などに関連するさまざまなサービス。
ただし、HAR 方法論の有効性と効率の分析には、開発されたパターン認識モデルの品質を評価するためのベースラインとなる可能性のある標準ワークフローが欠如しているという問題があります。
このため、異なるアプローチ間の比較は困難な作業になります。
さらに、研究者はミスを犯す可能性があり、それが検出されなかった場合、達成された結果に確実に影響を及ぼします。
このような問題を軽減するために、この文書では、HAR 方法論を評価および比較するためのベースライン フレームワークの定義、標準化、開発のための、B-HAR と呼ばれるオープンソースの自動かつ高度に構成可能なフレームワークを提案します。
データ準備のための最も一般的なデータ処理方法と、最も一般的に使用される機械および深層学習のパターン認識モデルを実装します。

要約(オリジナル)

Human Activity Recognition (HAR), based on machine and deep learning algorithms is considered one of the most promising technologies to monitor professional and daily life activities for different categories of people (e.g., athletes, elderly, kids, employers) in order to provide a variety of services related, for example to well-being, empowering of technical performances, prevention of risky situation, and educational purposes. However, the analysis of the effectiveness and the efficiency of HAR methodologies suffers from the lack of a standard workflow, which might represent the baseline for the estimation of the quality of the developed pattern recognition models. This makes the comparison among different approaches a challenging task. In addition, researchers can make mistakes that, when not detected, definitely affect the achieved results. To mitigate such issues, this paper proposes an open-source automatic and highly configurable framework, named B-HAR, for the definition, standardization, and development of a baseline framework in order to evaluate and compare HAR methodologies. It implements the most popular data processing methods for data preparation and the most commonly used machine and deep learning pattern recognition models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google