Process-aware Human Activity Recognition

要約

人間は、生産ワークフロー、社会規範、日常生活など、確立された慣習やプロセスによって動かされて日常活動を行う際、自然に明確なパターンに従います。
人間活動認識 (HAR) アルゴリズムは通常、ニューラル ネットワークまたは機械学習技術を使用して、データ内の固有の関係を分析します。
ただし、これらのアプローチでは、データが生成されるコンテキスト情報が見落とされることが多く、その有効性が制限される可能性があります。
私たちは、コンテキストからのプロセス情報を組み込んで HAR パフォーマンスを向上させる新しいアプローチを提案します。
具体的には、機械学習モデルによって生成された確率的イベントを、コンテキスト情報から派生したプロセス モデルと調整します。
この調整により、これら 2 つの情報源に適応的に重み付けが行われ、HAR の精度が最適化されます。
私たちの実験は、私たちのアプローチがベースライン モデルと比較してより高い精度とマクロ F1 スコアを達成することを示しています。

要約(オリジナル)

Humans naturally follow distinct patterns when conducting their daily activities, which are driven by established practices and processes, such as production workflows, social norms and daily routines. Human activity recognition (HAR) algorithms usually use neural networks or machine learning techniques to analyse inherent relationships within the data. However, these approaches often overlook the contextual information in which the data are generated, potentially limiting their effectiveness. We propose a novel approach that incorporates process information from context to enhance the HAR performance. Specifically, we align probabilistic events generated by machine learning models with process models derived from contextual information. This alignment adaptively weighs these two sources of information to optimise HAR accuracy. Our experiments demonstrate that our approach achieves better accuracy and Macro F1-score compared to baseline models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google