Antenna Response Consistency Driven Self-supervised Learning for WIFI-based Human Activity Recognition

要約

WiFi ベースの人間活動認識 (HAR) のための自己教師あり学習 (SSL) は、ラベル付けされたデータが不十分であるという課題に対処できるため、大きな可能性を秘めています。
ただし、もともと他のドメイン用に設計された SSL アルゴリズム、特に対照学習を CSI データに直接移植すると、期待されるパフォーマンスが達成できないことがよくあります。
この問題は、特徴空間と入力空間の間の意味論的な距離の一貫性が崩れる不適切な位置合わせ基準が原因であると考えられます。
この課題に対処するために、適切な調整基準を定義するソリューションとして \textbf{A}ntenna \textbf{R}esponse \textbf{C}onsistency (ARC) を導入します。
ARC は、現実世界のノイズに対する堅牢性を導入しながら、入力空間からのセマンティック情報を保持するように設計されています。
さらに、包括的な一連の実験を通じて ARC の有効性を実証し、ほとんどの場合で 5\% 以上の精度向上を達成し、最高のパフォーマンスを達成することで、WiFi ベースの HAR の自己教師あり学習のパフォーマンスを向上させる機能を実証しました。
精度は 94.97\% です。

要約(オリジナル)

Self-supervised learning (SSL) for WiFi-based human activity recognition (HAR) holds great promise due to its ability to address the challenge of insufficient labeled data. However, directly transplanting SSL algorithms, especially contrastive learning, originally designed for other domains to CSI data, often fails to achieve the expected performance. We attribute this issue to the inappropriate alignment criteria, which disrupt the semantic distance consistency between the feature space and the input space. To address this challenge, we introduce \textbf{A}ntenna \textbf{R}esponse \textbf{C}onsistency (ARC) as a solution to define proper alignment criteria. ARC is designed to retain semantic information from the input space while introducing robustness to real-world noise. Moreover, we substantiate the effectiveness of ARC through a comprehensive set of experiments, demonstrating its capability to enhance the performance of self-supervised learning for WiFi-based HAR by achieving an increase of over 5\% in accuracy in most cases and achieving a best accuracy of 94.97\%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google